PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2510.15866v2cs.CV

BiomedXPro: 의생명 비전-언어 모델을 활용한 설명 가능한 진단을 위한 프롬프트 최적화

BiomedXPro: Prompt Optimization for Explainable Diagnosis with Biomedical Vision Language Models

의생명 비전-언어(vision-language) 모델의 임상 도입은 해석 불가능한 잠재 벡터나 단일 텍스트 프롬프트만을 생성하는 기존 프롬프트 최적화(prompt optimization) 기술로 인해 저해되고 있습니다. 이러한 투명성 부족과 다양한 관찰 결과를 통합하는 데 의존하는 임상 진단의 다면적 특성을 포착하지 못하는 한계는 고위험 환경에서 모델의 신뢰성을 제한합니다. 이를 해결하기 위해, 본 논문에서는 대규모 언어 모델(LLM)을 의생명 지식 추출기이자 적응형 옵티마이저(optimizer)로 활용하여 질병 진단을 위한 해석 가능한 자연어 프롬프트 쌍의 다양한 앙상블(ensemble)을 자동으로 생성하는 진화형 프레임워크인 BiomedXPro를 제안합니다. 여러 의생명 벤치마크(benchmark)에 대한 실험 결과, BiomedXPro는 특히 데이터가 희소한 퓨샷(few-shot) 설정에서 최신 프롬프트 튜닝(prompt-tuning) 기법들을 일관되게 능가하는 것으로 나타났습니다. 또한, 분석을 통해 발견된 프롬프트와 통계적으로 유의미한 임상 특징 간의 강력한 의미론적 정렬(semantic alignment)을 입증하여, 검증 가능한 개념에 모델 성능을 그라운딩(grounding)했습니다. 해석 가능한 프롬프트의 다양한 앙상블을 생성함으로써, BiomedXPro는 모델 예측에 대한 검증 가능한 근거를 제공하며, 더욱 신뢰할 수 있고 임상적으로 정렬된 AI 시스템 개발을 향한 중요한 진전을 제시합니다.