희귀병 진단을 넘어 인간의 어노테이션을 초과하는 자율적 의학적 사고 RareDxR1

희귀병 진단의 어려움

다기성 질병의 차별진단은 치료가 매우 중요하지만도 어려운 임상 과제입니다. 의사들은 복잡하고 구조화되지 않은 환자 증상에서 정확한 현상 유형을 식별하고 광범위한 검색 공간 내에서 세밀한 논리를 수행해야 합니다. 그러나 기존의 인공지능 접근 방식은 일반적으로 파이프라인 기반의 현상 유형 추출 또는 검색 보강 생성에 의존하며, 이는 사전 정의된 개념 체계, 검색 병목 현상 및 진단 논리 부족으로 인해 중요한 정보 손실을 겪습니다. 이러한 문제를 해결하기 위해 새로운 접근 방식이 필요합니다. 레어디엑스알1은 개방형 도메인 다기성 질병 진단을 위한 구조화되지 않은 임상 기록에서 직접 수행하는 대규모 언어 모델입니다. 지식 내장화와 자율적 진화 학습을 동반하는 진화적 학습 프레임워크를 설계하여, 구조화된 현상 유형에 의존하지 않고 폐쇄 집합의 결정에 의존하지 않도록 합니다.

레어디엑스알1의 특징

레어디엑스알1은 모델 매개 변수 내에 직접 분산된 다기성 질병 지식을 내장화하여 래그와 현상 유형 제한을 극복합니다. 더불어, 모델 생성과 전문가의 논리를 연결하기 위해 반성 강화 추론 샘플링이라고 불리는 전략을 제안합니다. 이 전략은 실패에서 학습하여 인간의 주석 없이 전문가급 진단 경로를 합성화합니다. 또한, 레어디엑스알1은 다기성 질병 진단을 점진적으로 마스터하는 데 필요한 두 단계의 교과 학습 강화 학습 접근 방식을 제안합니다. 레어디엑스알1의 실험 결과는 다양한 벤치마크에서 최고의 정확도를 달성함으로써, 개방형 도메인 다기성 질병 진단에서 큰 돌파구를 이룹니다. 이는 레어디엑스알1이 인간의 주석을 초과하는 자율적 의학적 사고를 가능하게 하며, 다기성 질병의 차별진단을 더 정확하고 효율적으로 수행할 수 있습니다. 이러한 기술은 의료 분야에서 새로운 가능성을 열어줄 것으로 기대됩니다.