본 논문은 생의학적 추론을 위한 멀티모달 대규모 언어 모델(LLM)의 발전을 목표로, 실제 임상 워크플로우의 복잡성을 포착하지 못하는 기존 벤치마크의 한계를 지적합니다. 특히, 분자 종양 위원회(MTB)와 같은 다중 에이전트 의사 결정 환경을 시뮬레이션하는 MTBBench를 개발하여, 임상적으로 어려운, 멀티모달하고 종단적인 종양학 질문을 통해 모델의 성능을 평가합니다. MTBBench는 임상 전문가의 검증을 거친 정답을 제공하며, 다양한 LLM의 성능을 평가한 결과, 모델들이 시간 경과에 따른 데이터 추론, 상반된 증거 처리, 그리고 다른 모달리티 통합에 어려움을 겪는다는 것을 발견했습니다. 이러한 한계를 극복하기 위해, MTBBench는 에이전트 기반 프레임워크와 파운데이션 모델 기반 도구를 제공하여, 멀티모달 및 종단적 추론 능력을 향상시키고, 최대 9.0% 및 11.2%의 성능 향상을 달성했습니다.
