소아 당뇨 예측 LLM, 기존 모델 앞서
최근 30일 조회수 — 좋아요 —핵심 요약
의료기록과 혈당 자료를 분석하는 CEDAR가 소아 당뇨 임상 결과 예측에서 기존 모델보다 높은 성능을 보였다.
소아 당뇨 환자의 구조화 진료정보와 임상기록, 연속혈당측정 자료를 함께 읽고 24개월 시점의 임상 결과를 예측하는 에이전트형 대규모언어모델(LLM) 연구가 공개됐다. 연구진이 개발한 CEDAR(Clinical Evidence-Driven Agent for Risk-prediction)는 예측 근거를 인용하고 스스로 점검하는 파이프라인으로, 제1형·제2형 당뇨 환자군 모두에서 별도로 학습한 머신러닝 모델보다 높은 예측 성능을 보였다.1
연구진은 제2형 당뇨(T2D) 청소년 2,489명과 제1형 당뇨(T1D) 청소년 4,018명의 의료기록을 사용했다. 구조화 데이터뿐 아니라 진료기록에서 추출한 사회적 결정요인을 포함했고, T1D 환자군에는 연속혈당측정 데이터도 추가했다. 18개월 동안 축적된 정보를 바탕으로 24개월 시점의 결과를 예측했으며, 예측 대상은 T2D에서 7개, T1D에서는 이 가운데 4개였다.1
여러 결과를 합산한 수신자조작특성곡선 아래 면적(AUROC)에서 CEDAR는 T2D 환자군에서 0.815를 기록했다. 비교한 머신러닝 모델의 범위는 0.6560.700이었다. T1D에서는 CEDAR가 0.756, 머신러닝 모델이 0.6030.631이었다. AUROC는 1에 가까울수록 결과가 발생할 환자와 그렇지 않은 환자를 잘 구분한다는 뜻이다. 연구진은 특히 검사 빈도가 낮아 기록이 드문 결과에서 CEDAR의 성능 차이가 컸다고 밝혔다.1
CEDAR의 특징은 점수만 내놓지 않고 의료기록에서 판단 근거를 골라 인용한다는 점이다. 모델이 인용한 값 7만246개 가운데 실제 차트와 일치하지 않은 값은 4개였다. 소아내분비 전문의 2명이 CEDAR가 제시한 근거와 추론만 읽고 판단했을 때 약 10건 중 9건에서 모델과 같은 예측을 내렸으며, 두 전문의 사이의 일치율은 90.5%였다. 이는 모델의 결론을 임상의가 근거 수준에서 검토할 수 있는지 살핀 결과다.1
다만 이번 결과는 2026년 10월 29일 제출된 arXiv 사전논문에 담긴 내용이다. 제공된 초록만으로는 외부 의료기관 자료에서도 성능이 유지되는지, 개별 예측 결과별 환자 수와 오류 양상이 어떤지 확인할 수 없다. AUROC 우위가 곧 실제 진료에서의 안전성이나 유용성을 뜻하지도 않는다. 따라서 이번 연구는 소아처럼 환자군이 작고 일부 결과가 드문 환경에서 에이전트형 LLM의 가능성을 제시한 초기 검증으로 보는 편이 정확하다.
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
- Agentic LLM reasoning in pediatric diabetes outcome prediction from multimodal medical records — arXiv (cs.AI/cs.CL/cs.LG)
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.