더 많은 추론이 항상 더 나은 것은 아니다: LLM과 규칙을 활용한 임상 가이드라인 실행
More Reasoning Is Not Always Better: Executing Clinical Guidelines with LLMs and Rules
대규모 언어 모델(LLM)은 임상 의사결정 지원에서 상당한 가능성을 보여주었다. 그러나 기존 접근법은 임상 가이드라인을 실행하기 위해 다단계 추론이나 다중 에이전트 협업에 의존하는 경우가 많아, 결정 오류를 안정적으로 방지하지 못하면서 상당한 계산 오버헤드를 초래한다. 이러한 한계를 해결하기 위해, 우리는 구조화된 환자 상태와 결정론적 규칙 실행을 통합하여 가이드라인 기반 치료 계획 수립을 지원하는 프레임워크인 Medical Decision Execution(MedDEx)을 제안한다. MedDEx는 임상 기록 해석과 가이드라인 실행을 분리하여, LLM을 활용해 환자 정보를 추출하고 치료 계획을 생성하는 한편, 가이드라인에서 정의된 결정 로직은 규칙 실행기(rule executor)에 할당한다. 여러 임상 가이드라인 벤치마크에 걸친 실험 결과, MedDEx는 추론 비용을 줄이면서도 결정 정확도를 향상시키는 것으로 나타났다. 추가 분석은 구조화된 환자 표현과 결정론적 규칙 실행의 핵심적인 역할을 부각시키며, 이는 LLM의 추가적인 추론이 반드시 더 나은 가이드라인 준수로 이어지지는 않음을 시사한다.