DoctorRAG은 기존 의료 RAG 시스템의 한계를 극복하기 위해 제안된 프레임워크입니다. 기존 시스템들은 의학 지식베이스에만 의존하는 반면, DoctorRAG는 명시적인 임상 지식과 암시적인 유사 환자 사례 기반 경험을 통합하여 의사와 같은 추론을 모방합니다. 질의와 지식 소스에 개념 태그를 할당하고, 관련 지식과 환자 정보 모두를 활용하는 하이브리드 검색 메커니즘을 통해 검색 정확도를 향상시킵니다. 또한, 다중 에이전트 텍스트 그래디언트를 사용하는 Med-TextGrad 모듈을 통합하여 최종 출력이 검색된 지식과 환자 질의에 부합하도록 합니다. 다국어, 다중 작업 데이터셋에 대한 실험 결과, DoctorRAG는 기존 RAG 모델보다 성능이 우수하며 반복적인 개선을 통해 성능 향상을 보였습니다. 보다 정확하고, 관련성이 높으며, 포괄적인 응답을 생성하여 의사와 같은 의료 추론 시스템에 한 걸음 더 다가섰습니다.
