온라인 건강 자원과 대규모 언어 모델(LLM)이 의료 의사 결정의 첫 번째 접촉점으로 사용이 증가하고 있지만, 낮은 정확성, 투명성 부족, 검증되지 않은 정보에 대한 취약성으로 인해 의료 분야에서의 신뢰성은 제한적입니다. 본 논문에서는 미국 의학 협회(American Medical Association)의 100개의 임상적으로 검증된 흐름도를 LLM에 제공하여 환자 의사 결정을 지원하는 구조화되고 감사 가능한 프레임워크를 제공하는 컨셉 증명 대화형 자가 선별 시스템을 소개합니다. 시스템은 검색 에이전트, 의사 결정 에이전트, 채팅 에이전트로 구성된 멀티 에이전트 프레임워크를 활용하여 가장 관련성이 높은 흐름도를 식별하고, 환자 응답을 해석하며, 맞춤형 환자 친화적 권장 사항을 제공합니다. 성능은 시뮬레이션된 대화의 합성 데이터 세트를 사용하여 대규모로 평가되었습니다. 이 시스템은 흐름도 검색에서 95.29%의 상위 3개 정확도(N=2,000)와 다양한 대화 스타일과 조건에서 흐름도 탐색 시 99.10%의 정확도(N=37,200)를 달성했습니다. 자유 텍스트 상호 작용의 유연성과 표준화된 임상 프로토콜의 엄격함을 결합하여, 이 접근 방식은 투명하고 정확하며 일반화 가능한 AI 기반 자가 선별의 가능성을 보여주며, 정보에 입각한 환자 의사 결정을 지원하고 의료 자원 활용을 개선할 수 있습니다.
