Meissa: Multi-modal Medical Agentic Intelligence

Created by

Haebom

저자

Yixiong Chen, Xinyi Bai, Yue Pan, Zongwei Zhou, Alan Yuille

💡 개요

본 논문은 고비용, 고지연, 개인정보 문제를 야기하는 외부 API 기반의 의료용 MM-LLM 에이전트 시스템을 대체하기 위해, 오프라인 환경에서 에이전트 기능을 수행할 수 있는 경량화된 40억 매개변수의 의료용 MM-LLM인 Meissa를 제안합니다. Meissa는 외부 모델의 구조화된 추론 과정을 증류하여, 언제 외부 상호작용을 할지(전략 선택)와 어떻게 다단계 상호작용을 수행할지(전략 실행)를 학습합니다. 이를 통해 Meissa는 13개 의료 벤치마크의 16개 평가 설정에서 기존 독점 모델 기반 에이전트와 동등하거나 우수한 성능을 보이며, 훨씬 낮은 지연 시간으로 완전히 오프라인에서 작동합니다.

🔑 시사점 및 한계

•

오프라인 의료 AI 에이전트의 실현 가능성: Meissa는 경량화된 모델로도 복잡한 의료 에이전트 기능을 오프라인에서 구현할 수 있음을 보여주며, 의료 현장에서의 AI 도입 장벽을 낮출 수 있는 가능성을 제시합니다.

•

효과적인 학습 전략: 단일 formalism으로 궤적을 모델링하고, 3단계 계층적 감독 및 전향-후향 감독 방식을 적용하여 의료 환경에서의 어려운 의사결정 문제를 효과적으로 학습할 수 있음을 증명합니다.

•

데이터 및 환경의 중요성: 40,000개의 엄선된 궤적 데이터셋으로 훈련되었으며, 데이터, 모델, 환경을 공개하여 향후 연구 발전에 기여합니다.

•

일부 평가 설정에서의 성능 격차: 16개 평가 설정 중 6개에서는 기존 독점 모델 기반 에이전트보다 성능이 낮아, 특정 복잡한 시나리오에서의 개선 여지가 있습니다.

PDF 보기

Made with Slashpage