본 논문은 급성 심근경색 환자의 주요 심혈관계 사건 재발 위험 예측을 위한 새로운 프레임워크인 CardioCoT를 제안합니다. CardioCoT는 기존의 LLM/VLM 기반 예측 모델의 해석성 부족 및 데이터 제약 문제를 해결하기 위해, 증거 기반 자기 개선 메커니즘을 활용한 두 단계의 계층적 추론 기반 생존 분석 프레임워크를 사용합니다. 1단계에서는 LLM/VLM을 이용하여 방사선학적 소견을 바탕으로 강력한 계층적 추론 경로를 생성하고, 2단계에서는 이를 영상 데이터와 통합하여 위험 예측 모델을 학습 및 예측합니다. CardioCoT는 향상된 예측 성능과 해석 가능한 추론 과정을 제공하여 임상 의사결정에 유용한 정보를 제공합니다.
