신호 환자 대상 의료 보고서 해설을 위한 보상학습 프레임워크 G-CARL

요약

환자를 대상으로 한 의료 보고서 해설에 대한 수요가 커지고 있지만, 근거에 기반한 의학적 정확성과 상황에 맞는 환자 소통을 동시에 요구하는 이 과제를 기존 의료 비전-언어 연구는 충분히 다루지 못했다. 저자들은 사용자의 질문과 대화 이력을 바탕으로 보고서를 정확하고 이해하기 쉬운 언어로 풀어 설명하는 개방형 생성 과제 PMRI를 새로 제시한다. 정확성과 소통이라는 두 목표는 검증 방식이 근본적으로 다르면서도 서로 밀접히 얽혀 있어, 통상적인 지도학습이나 전체 강화학습만으로는 함께 최적화하기 어렵다. 이를 해결하기 위해 저자들은 여러 출처를 검색해 문장 단위 주장을 검증하는 절차와, 사례마다 다르게 가중치를 둔 체크리스트를 결합한 강화학습 프레임워크 G-CARL을 제안한다. 연구팀은 실제 데이터로 구성한 벤치마크와 임상의가 설계한 3차원 평가 체계도 함께 구축했다. 실험 결과 G-CARL은 전체 품질과 문장 단위 정확도에서 기존 방식을 일관되게 앞섰다.