한 연구는 I기부터 IV기에 이르는 72건의 실제 임상 사례 전반에 걸쳐 유방암 치료 권고를 생성하기 위해 에이전트 대규모 언어 모델 시스템을 평가했습니다. 이 연구는 복잡한 종양학 계획의 신뢰성을 평가하기 위해 비대칭 정보 랙릭 생성(AIRG)을 통해 생성된 1,147건의 사례별 랙릭을 활용했습니다.

  • 단일 LLM 기반, 도구 증강 시스템 및 사실 확인과 자율 하위 에이전트 스포닝이 포함된 다중 에이전트 아키텍처를 포함한 7개의 파이프라인이 비교되었습니다.
  • 가장 우수한 성능을 보인 구성은 D&C+SA 파이프라인을 갖춘 Claude Opus 4.8로, 글로벌 점수 0.594 ± 0.025를 달성했습니다.
  • 도구 사용과 에이전트 자율성 증가는 혼합된 효과를 가져왔으며, 일부 환경에서는 성능을 향상시켰지만 다른 환경에서는 저하시켰습니다.
  • 종양학 전문가 주도 오류 분석은 잘못된 권고, 결함이 있는 정당화, 인용 오류, 오래된 주장, 과신 등 임상적으로 중요한 지속적인 실패를 드러냈습니다.

이 결과는 에이전트 LLM 시스템이 임상적으로 의미 있는 유방암 권고를 생성할 수 있지만, 비감독 임상 사용에는 여전히 불충분함을 시사합니다.