본 논문은 비동기적 의료 대화에서 후속 질문 생성을 위한 새로운 프레임워크인 FollowupQ를 제안합니다. FollowupQ는 환자 메시지와 EHR 데이터를 처리하여 환자의 의료 상태를 명확히 하는 개인화된 후속 질문을 생성하는 다중 에이전트 프레임워크입니다. 의료 대화에서 산발적인 데이터 소스에 묻힌 관련 정보 추출 및 병렬적 사고 과정 모델링과 같은 NLP 과제를 해결하기 위해 고안되었으며, 실제 데이터와 합성 데이터에서 각각 17%와 5%의 성능 향상을 보였고, 의료 서비스 제공자의 후속 소통을 34% 감소시켰습니다. 또한, 임상 전문가가 작성한 2,300개의 후속 질문과 함께 비동기적 의료 메시지와 연결된 EHR 데이터의 첫 번째 공개 데이터셋을 제공합니다.
