본 논문은 비전-언어 기반 모델(VLM)이 의료 영상 처리에서 성능 향상을 위해 자동화된 프롬프트 최적화를 적용하는 연구를 제시한다. 기존의 파인튜닝과 수동 프롬프트 엔지니어링의 한계를 극복하기 위해, Declarative Self-improving Python (DSPy) 프레임워크를 활용하여 다양한 의료 영상 태스크에 대한 프롬프트 최적화를 수행했다. 5개의 의료 영상 태스크, 10개의 오픈 소스 VLM, 4가지 프롬프트 최적화 기법을 평가한 결과, 최적화된 파이프라인은 zero-shot 프롬프팅 대비 53%의 상대적 성능 향상을 보였으며, 특히 zero-shot 성능이 낮은 태스크에서는 최대 3,400%의 큰 폭의 향상을 기록했다. 이 연구는 의료 AI 시스템에 자동화된 프롬프트 최적화의 잠재력을 보여주며, 임상의가 환자 관리에 집중할 수 있도록 돕는다. 또한, 데이터 프라이버시를 보존하며 오픈 소스 VLM의 성능을 향상시키는 확장성을 제공한다.
