임상 언어모델용 결정론적 수학 솔버로 계산 오류 문제 해결 시도

연구진은 임상 계산기에서 단 한 번의 수치 오류가 진료 권고를 바꿀 수 있다는 문제의식에서 출발해, 모델이 직접 산술을 수행하는 대신 사례에 맞는 파이썬 코드를 작성하고 이를 제한된 로컬 실행기가 결정론적으로 실행하도록 하는 'Program-Solve' 인터페이스를 제안했다. 모델의 역할은 계산 자체가 아니라 솔버를 어떻게 활용할지 결정하는 것으로 축소된다.

기존에는 각 임상 계산기를 하나씩 검증된 함수로 하드코딩하는 방식이 표준적 대응이었으나, 이는 계산기 종류가 늘어날수록 유지보수 부담이 커지는 한계가 있다. 이 연구는 하드코딩 대신 모델이 코드를 생성하고 별도 실행기가 계산을 담당하게 함으로써 확장성과 정확성을 동시에 노리는 접근이다.

의료 AI 도구 개발 및 검증 실무자는 LLM 기반 임상 의사결정 지원 도구에서 산술 오류로 인한 오진·오처방 리스크를 줄이는 아키텍처 설계 참고 사례로 활용할 수 있다. 특히 MedCalc-Bench Verified 같은 검증된 벤치마크로 성능을 확인하는 절차는 규제·인증 대응에서도 참고할 부분이다.

1,100개 사례, 55개 계산기에 대한 구체적 정확도 개선 수치는 발췌문에 담기지 않아 원문 확인이 필요하다.

본문은 수집한 기사의 제목과 발췌를 바탕으로 AI가 정리한 해설입니다. 원문 전체를 옮긴 것이 아니므로 수치·날짜·조문 등 세부 사실은 위 원문 링크에서 확인하세요. 개별 사안에 대한 법률·세무·노무·회계·의료 자문을 대체하지 않습니다.