의사-환자 대화에서 의료 지시를 정확하게 추출하는 것은 임상 문서 작업 부담을 줄이고 환자 안전을 보장하는 데 매우 중요한 과제입니다. 본 논문은 MEDIQA-OE-2025 Shared Task에 대한 팀의 제출 내용을 자세히 설명합니다. 구조화된 지시 추출을 위해 새로운 도메인별 오픈 소스 언어 모델인 MedGemma의 성능을 조사합니다. 우리는 세 가지 다른 프롬프트 패러다임, 즉 간단한 One-Shot 접근 방식, 추론 중심의 ReAct 프레임워크, 그리고 다단계 에이전트 워크플로우를 체계적으로 평가했습니다. 실험 결과 ReAct 및 에이전트 흐름과 같은 더 복잡한 프레임워크가 강력하지만, 더 간단한 one-shot 프롬프팅 방식이 공식 검증 세트에서 가장 높은 성능을 달성했습니다. 수동으로 주석이 달린 전사본에서 복잡한 추론 체인이 "과도한 사고"로 이어져 노이즈를 유발할 수 있으며, 직접적인 접근 방식이 더 강력하고 효율적이라고 가정합니다. 본 연구는 다양한 데이터 조건에서 임상 정보 추출을 위한 적절한 프롬프트 전략 선택에 대한 귀중한 통찰력을 제공합니다.
