본 논문은 의료 분야에서 효과적인 임상 의사 결정을 돕기 위해, 다중 모달 추론 능력을 향상시키는 새로운 2단계 후처리 파이프라인 \textit{MedE$^2$}를 제안합니다. Stage-I에서는 2,000개의 텍스트 기반 데이터로 모델의 추론 행위를 유도하고, Stage-II에서는 1,500개의 엄선된 다중 모달 의료 사례를 사용하여 모델의 추론 능력을 강화합니다. 실험 결과, \textit{MedE$^2$}를 사용한 모델이 기존의 베이스라인 모델보다 우수한 성능을 보였으며, 다양한 의료 다중 모달 벤치마크에서도 일관된 향상을 보여주었습니다. 대규모 모델 및 추론 시간 확장을 통해 접근 방식의 견고함과 실용성을 추가적으로 검증했습니다.
