PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.22692v1cs.AI

VISTA Architect: 다학제 종양위원회에서 시연된 그래프 데이터베이스 기반 의료 AI 시스템

VISTA Architect: A graph database-oriented health AI system demonstrated in multidisciplinary tumor boards

본 논문에서는 대규모 언어 모델(LLM)을 종단적 전자 건강 기록(EHR)과 통합하기 위한 데이터베이스 기반 AI 아키텍처인 VISTA Architect를 소개한다. 데이터 수집 시, 복잡한 임상 문서를 영속적이고 출처가 연결된 지식 그래프로 변환하여 쿼리 시점마다 원시 기록을 반복 처리하는 과정을 제거한다. 이 아키텍처는 두 개의 계층으로 구성된다: 완전한 출처 정보와 함께 세분화된 EHR 구조를 보존하는 소스 충실 MEDS Graph와, 그래프 기반 LLM 추출을 활용하여 중복 제거되고 시간적으로 일관된 임상 이벤트의 간결한 타임라인을 합성하는 임상 추상화 계층인 Timeline Object Architecture(TOA)이다. 이는 시간적 관계를 놓치거나 원시 텍스트의 반복 처리로 인해 높은 비용과 지연을 초래하는 직접적인 긴 컨텍스트 프롬프팅 및 검색-증강 생성(RAG)의 핵심 한계를 해결한다. 임상 합성을 사전에 한 번 계산해 둠으로써, 하위 쿼리는 정리된 환자 상태에 접근하고 상세 검증이 필요한 경우에만 원본 문서를 탐색한다. 본 시스템은 환자 병력의 정확한 재구성이 중요한 Stanford Medicine의 다학제 흉부 종양학 종양위원회에서 시연된다. 1,180명의 환자를 대상으로 VISTA Architect는 15개 종양위원회 핵심 변수에 대해 96.4%의 정확도(평균 9.75/10)를 달성하였으며(17,700건 평가; 95% CI 96.1-96.7%), 이는 매칭된 BM25 RAG 기준선 및 LLM 기반 임상 추출에 관한 최근 벤치마크를 능가하는 성능이다. 에이전트(agent) 인터페이스를 통해 30명 환자로 구성된 보류 코호트의 준비 시간을 정확도 손실 없이 약 2.2분으로 단축하였다. 본 논문에서는 흉부 종양학에 맞게 구성되었으나, 모듈식 설계를 통해 커스터마이징 가능한 이벤트 정의, 에피소드 구조, 에이전트 도구를 활용하여 다른 전문 분야에도 적용할 수 있으며, 흉부 종양학을 넘어선 검증은 향후 과제로 남긴다.