Closing Reasoning Gaps in Clinical Agents with Differential Reasoning Learning

Created by

Haebom

저자

Jinsong Liu, Yuhang Jiang, Ramayya Krishnan, Rema Padman, Yiye Zhang, Jiang Bian

💡 개요

본 논문은 임상 의사결정 지원 시스템에서 답변의 정확성뿐만 아니라 임상적으로 유효한 추론 과정을 향상시키기 위해 차등 추론 학습(Differential Reasoning Learning, DRL)이라는 새로운 프레임워크를 제안합니다. DRL은 참조 추론 근거와 에이전트의 자유 형식 CoT(Chain-of-Thought) 간의 추론 불일치를 분석하여, 이를 기반으로 자연어 지침을 생성하고 이를 활용하여 추론 공백을 메웁니다. 이를 통해 최종 답변의 정확성과 추론 충실도를 모두 개선하여 신뢰할 수 있는 임상 의사결정을 지원합니다.

🔑 시사점 및 한계

•

임상 의사결정 지원의 정확성 및 신뢰성 향상: 단순히 정답을 맞히는 것을 넘어, 의사의 추론 과정을 학습하고 보완함으로써 임상적 판단의 질을 높입니다.

•

추론 불일치 분석을 통한 효과적인 오류 수정 메커니즘: 참조 근거와의 차이를 명확히 식별하고 이를 바탕으로 구체적인 개선 지침을 제공하여, 에이전트의 논리적 취약점을 효과적으로 개선합니다.

•

제한된 토큰 예산 내에서의 실용적인 배포 가능성: RAG(Retrieval-Augmented Generation)와 DR-KB(Differential Reasoning Knowledge Base)를 활용하여 효율적인 방식으로 추론 능력을 강화하므로, 실제 의료 환경에서 토큰 제약 하에서도 적용 가능합니다.

PDF 보기

Made with Slashpage