본 논문은 의료 영상 진단에 있어서 단순한 예측 결과 도출을 넘어, 방사선 전문의의 단계별 추론 과정을 모방하는 다중 모달 대규모 언어 모델(MLLM)인 ChestX-Reasoner를 제시합니다. 임상 보고서에서 추출한 추론 과정을 지도 데이터로 활용하여, 지도 학습과 강화 학습을 결합한 2단계 학습 프레임워크를 통해 모델을 학습시켰습니다. 또한, 59,000개의 시각적 질문 응답 샘플과 301,000개의 임상적으로 검증된 추론 단계를 포함하는 종합적인 벤치마크 RadRBench-CXR과 추론의 사실성, 완전성, 효과성을 평가하는 지표 RadRScore를 제안합니다. 실험 결과, ChestX-Reasoner는 기존 의료 및 일반 도메인 MLLM에 비해 진단 정확도와 추론 능력 모두에서 우수한 성능을 보였습니다. 모든 자원은 오픈소스로 공개되어 향후 의료 추론 MLLM 연구에 기여할 것으로 기대됩니다.
