I. 서론
현대 의료 환경에서 인공지능 기반 질의응답 시스템은 환자의 생명과 직결되는 높은 정확성을 요구받습니다. 기존의 정적 단일 패스(Single-pass) RAG 모델은 복잡한 의학적 인과관계를 파악하는 데 한계가 있으며, 환각(Hallucination) 현상을 유발할 위험이 큽니다. 본 리포트는 자율적 의사결정을 수행하는 '에이전틱 RAG' 프레임워크를 분석합니다.
II. 시스템 아키텍처
본 시스템은 이중 인코더(Dual Encoders) 체계를 활용하여 도메인 특화 데이터를 정밀하게 처리합니다.
PubMedBERT
수백만 건의 생의학 논문을 처리하며 학술적이고 정교한 의학 용어 이해에 최적화되어 있습니다.
ClinicalBERT
병원 현장의 비정형 임상 노트와 약어를 파악하는 데 특화된 실무형 엔진입니다.
III. 지능형 반복 루프
"에이전트가 정보를 찾고, 순위를 매기고, 스스로 성찰하여, 다시 정제하는 과정을 반복합니다."
- Retrieve: 질의에 적합한 초기 근거를 다각도로 수집.
- Re-rank: Cross-encoder를 통해 핵심 정보의 우선순위 재정렬.
- Reflect: 정보의 충분성과 일관성을 에이전트가 스스로 자가 비판.
- Refine: 질문 분해(Query Decomposition) 및 관련성 피드백을 통해 정보 보완.
IV. 성능 평가
| 지표 | 결과 |
|---|---|
| PubMedQA 정확도 | 82.09% (기존 BioBERT 대비 우수) |
| PAR (MRR@10) | 85.23 |
| PPR (nDCG@10) | 22.41 |
V. 임상적 가치
에이전틱 RAG의 반복적 검토 프로세스는 증거 기반 의학(EBM)을 현실화합니다. 이는 의료진이 윤리적 책무(Do No Harm)를 다하도록 돕는 강력한 지원군이며, 감별 진단 과정과 유사한 논리적 적응성을 제공합니다.
VI. 결론
에이전틱 RAG는 고정된 알고리즘을 넘어 스스로 진화하는 지능형 파트너로서의 의료 AI 가능성을 입증했습니다. 신뢰성 높은 AI 시스템 구축의 핵심 기반이 될 것입니다.