From Passive to Proactive: A Multi-Agent System with Dynamic Task Orchestration for Intelligent Medical Pre-Consultation
Created by
- Haebom
Category
Empty
저자
ChengZhang Yu, YingRu He, Hongyan Cheng, nuo Cheng, Zhixing Liu, Dongxu Mu, Zhangrui Shen, Zhanpeng Jin
개요
본 연구는 환자 증가와 제한된 진료 시간으로 어려움을 겪는 글로벌 헬스케어 시스템의 문제를 해결하기 위해, 사전 진료 과정의 효율성과 질을 향상시키는 데 초점을 맞춘다. 수동적인 AI 시스템을 능동적인 질문 에이전트로 변환하는 계층적 다중 에이전트 프레임워크를 개발했다. 이 프레임워크는 4가지 주요 작업(Triage, History of Present Illness, Past History, Chief Complaint 생성)으로 구성되며, 다양한 기반 모델(GPT-OSS 20B, Qwen3-8B, Phi4-14B)을 사용하여 1,372개의 검증된 전자 건강 기록(EHR)을 평가했다. 에이전트 기반 스케줄링을 통해 주요 부서 분류에서 87.0% 정확도, 보조 부서 분류에서 80.5% 정확도를 달성했으며, 작업 완료율은 98.2%에 달했다. 임상 질 평가에서 5점 척도로 Chief Complaints 4.56점, History of Present Illness 4.48점, Past History 4.69점을 기록했다. 모델 불가지론적인 아키텍처는 다양한 모델에서 높은 성능을 유지하면서 데이터 개인 정보를 보호했다.
시사점, 한계점
•
시사점:
◦
사전 진료 과정에서 능동적인 AI 시스템을 활용하여 효율성 및 질 향상 가능성을 제시.
◦
다양한 기반 모델에서 높은 성능을 유지하는 모델 불가지론적 아키텍처 설계.
◦
데이터 개인 정보 보호를 위한 로컬 배포를 통한 안전성 확보.
◦
의사의 임상적 질 평가에서 높은 점수를 획득하여 실질적인 임상 적용 가능성 입증.
•
한계점:
◦
구체적인 임상 결과와 관련된 추가적인 정보 부족. (예: 진단 정확도, 치료 효과 등)
◦
다양한 의료 환경 및 환자 유형에 대한 일반화 가능성 추가 검토 필요.
◦
프레임워크의 실제 임상 환경에서의 장기적인 성능 및 안정성에 대한 추가 연구 필요.
◦
의료 전문가의 개입 및 감독 없이 완전 자율적으로 작동하는 시스템의 윤리적, 법적 측면 고려 필요.
