“내 코가 흐른다.” “당신도 기침하고 있나요?”: 해석 가능한 문의 논리를 갖춘 의료 진단 에이전트 구축

원격 의료의 발전으로 의료 진단을 위한 대화 시스템(DSMD) 개발 작업이 최근 몇 년간 많은 주목을 받았다. 시스템 구축 위해 추가 인력과 전문 지식에 의존해야 했던 초기 연구와 달리, 최근 연구들은 데이터 기반 방식으로 DSMD를 구축하는 방법에 초점을 맞췄다. 그러나 이전의 데이터 기반 DSMD 방법들은 의료 애플리케이션에 중요한 시스템 해석 가능성을 크게 간과했으며, 동시에 데이터 희소성 문제에도 어려움을 겪었다. 본 논문에서는 데이터 기반 DSMD에 해석 가능성을 가져오는 방법을 탐구한다. 구체적으로, 실제 의사들의 문의 논리를 합리적으로 모방하여 DSMD의 대화 관리자를 구현하기 위해 더 해석 가능한 의사 결정을 제안하며, 추론을 수행하기 위해 높은 투명성을 가진 구성 요소로 모델을 설계한다. 또한, 기존 데이터셋보다 훨씬 큰 규모와 더 다양한 패턴, 그리고 더 높은 품질을 가진 새로운 DSMD 데이터셋을 수집한다. 실험 결과, 우리의 방법이 세 가지 데이터셋에서 각각 7.7%, 10.0%, 3.0%의 진단 정확도 절대 개선을 얻어, 합리적인 의사 결정 과정과 모델 설계의 효과성을 보여준다. 우리의 코드와 GMD-12 데이터셋은 https://github.com/lwgkzl/BR-Agent에서 이용 가능하다.