Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

MAP: Evaluation and Multi-Agent Enhancement of Large Language Models for Inpatient Pathways

Created by
  • Haebom
Category
Empty

저자

Zhen Chen, Zhihao Peng, Xusheng Liang, Cheng Wang, Peigan Liang, Linsheng Zeng, Minjie Ju, Yixuan Yuan

개요

본 논문은 대규모 입원 환자 데이터셋 부족으로 인해 인공지능(AI) 기반 입원 경로 시스템에 대한 연구가 제한적인 현실을 지적하며, MIMIC-IV 데이터베이스를 기반으로 51,274건의 입원 환자 사례를 포함하는 Inpatient Pathway Decision Support (IPDS) 벤치마크를 개발했습니다. 이를 바탕으로, 환자 입원 관리를 담당하는 분류 에이전트, 진료과 내 주요 의사결정자 역할을 하는 진단 에이전트, 치료 계획을 제공하는 치료 에이전트, 그리고 이들을 감독하는 최고 에이전트로 구성된 Multi-Agent Inpatient Pathways (MAP) 프레임워크를 제안했습니다. 실험 결과, MAP는 최첨단 LLM인 HuatuoGPT2-13B에 비해 진단 정확도를 25.10% 향상시켰으며, 세 명의 전문의보다 10-12% 높은 임상 규정 준수율을 보였습니다.

시사점, 한계점

•
시사점:
◦
대규모 입원 환자 데이터셋을 기반으로 한 새로운 벤치마크 (IPDS) 개발 및 공개.
◦
다중 에이전트 기반의 입원 경로 시스템 (MAP) 제안 및 성능 검증.
◦
기존 최첨단 LLM 대비 향상된 진단 정확도 및 임상 규정 준수율 달성.
◦
AI 기반 입원 경로 시스템의 실제 임상 적용 가능성 제시.
•
한계점:
◦
MIMIC-IV 데이터셋에 대한 의존성으로 인한 일반화 가능성 제한.
◦
실제 임상 환경에서의 추가적인 검증 필요.
◦
MAP 프레임워크의 복잡성 및 해석 가능성에 대한 추가 연구 필요.
◦
다양한 질병 및 환자 특성에 대한 추가적인 실험 및 평가 필요.
👍
Made with Slashpage