技術概要：SEMA-RAG

問題定義

検索拡張生成（RAG）は、幻覚や知識の陳腐化を軽減するため、医療質問応答（QA）において広く利用されています。しかし、標準的な RAG フレームワークは通常、臨床推論の多段階的な性質と整合しない静的な単一ラウンド検索パラダイムを採用しています。臨床現場では、臨床医は患者のナラティブを解釈し、証拠のギャップに対処するために情報を漸進的に収集・検証し、判断を下す前に矛盾する証拠を衡量します。

本論文は、現在の単一ラウンド RAG システムにおける 2 つの構造的欠陥を特定しています：

1. 臨床的意味解釈の欠如: 自然言語の質問から検索クエリへの翻訳は、しばしば暗黙の臨床的制約（タイミング、患者の人口統計、特定の状況など）を明確に表現できず、検索の逸脱（ドリフト）を招きます。
2. 反復的な充足性フィードバックの欠如: 検索プロセスには、収集された証拠が十分かどうかを評価するメカニズムが欠けています。その結果、証拠が不完全な場合、システムは自己修正したり、標的を絞ったフォローアップ検索を行ったりすることができず、信頼性の高い証拠連鎖の形成を妨げます。

著者らは、これらの問題が解釈、探索、審判という異質なタスクを単一の推論連鎖に過負荷にすることに起因すると主張しています。これにより認知的負荷が増大し、証拠が不十分な場合の適応的な調整が阻害されます。

手法：SEMA-RAG

これらの限界に対処するため、著者らはSEMA-RAG（自己進化型マルチエージェント RAG）を提案します。これは、タスクの脱結合と動的な多ラウンド探索を通じて RAG ワークフローを再構築するフレームワークです。このフレームワークは、3 つの専門エージェントを用いて臨床ワークフローをシミュレートします。これらは同一の基盤大規模言語モデル（LLM）を共有しつつ、役割固有のプロンプトで動作します。

1. 解釈エージェント（I-Agent）

• 役割: 臨床スキーマの解釈。
• 機能: 入力質問を単に言い換えるのではなく、I-Agent は構造化されていない医療質問を明示的な臨床スキーマタプルに意味的に構造化します。これには以下が含まれます：
  • 臨床的意図: 暗示されるタスクの種類（例：診断、治療）。
  • 医療エンティティ: 核心的な対象（例：疾患、薬物）。
  • 臨床的制約: 適用条件（例：「入院 7 日目」、「腎機能障害」）。
  • 初期クエリ: スキーマから抽出された簡潔で検索指向のクエリ。
• メカニズム: スキーマは検索可能な文字列に線形化され、暗黙の制約を検索器に可視化し、初期段階での意味的逸脱を軽減します。

2. 探索エージェント（E-Agent）

• 役割: 充足性駆動の自己進化型検索。
• 機能: このエージェントは、I-Agent からの線形化されたクエリを出発点として、閉ループ検索プロセスを管理します。
• メカニズム:
  • 各ラウンド $t$ において、エージェントは現在のクエリセット $Q_t$ に基づいて文書を検索します。
  • 蓄積された証拠セット $C_t$ を臨床スキーマと比較し、充足フラグ（$s_t$）を予測します。
  • 充足の場合（$s_t=1$）: ループが終了します。
  • 不充足の場合（$s_t=0$）: エージェントは特定の「ギャップ」（欠落した条件または推論ステップ）を特定し、そのギャップを埋めるための標的を絞ったフォローアップクエリ（$Q_{t+1}$）を生成します。
  • このプロセスは、証拠が十分になるまで、最大反復回数に達するまで、または新しいクエリが生成できなくなるまで続行されます。

3. 審判エージェント（A-Agent）

• 役割: 証拠の審判と回答選択。
• 機能: E-Agent が終了すると、A-Agent は収束した証拠セット $C^*$ を追跡可能な証拠レポートに整理します。
• メカニズム:
  • 冗長性を除去し、一致点と矛盾点を特定し、支持および反証する手がかりを統合します。
  • ソースインデックスを含む構造化レポート $R$ を生成します。
  • 最終的に、審判されたレポートに基づき、候補セットに対して離散的な回答選択を行います。

主要な貢献

1. SEMA-RAG フレームワーク: 役割分担（解釈者、探索者、審判者）と協働を通じて臨床推論をモデル化する、医療 QA 向けのマルチエージェント RAG フレームワーク。
2. 自己進化型探索者: 探索エージェントが特定された証拠ギャップに基づいてクエリを更新し、充足性駆動のフィードバックループを通じて検索を医療推論の目標へと誘導する新規メカニズム。
3. 包括的な検証: 5 つの医療 QA ベンチマークと 5 つの異なる LLM バックボーンにおいてフレームワークが検証され、強力なベースラインに対して一貫した改善が示されました。

実験結果

著者らは、SEMA-RAG を 5 つのベンチマーク（MMLU-Med, MedQA-US, MedMCQA, PubMedQA, BioASQ-Y/N*）および 5 つの LLM バックボーン（DeepSeek-V3.1, Kimi-K2, Qwen3-Coder-Plus, Gemini-2.0-Flash, GLM-4.0-Flash）を用いて評価しました。

• 性能: SEMA-RAG は、代表的なベースライン（CoT, MedCPT, MedRAG, i-MedRAG を含む）を一貫して上回りました。すべてのベンチマークとバックボーンにおいて、最も強力なベースラインを平均 +6.46 精度ポイント 改善しました。
• アブレーション研究: 単一エージェント（I、E、A のいずれか）を除去すると、性能が大幅に低下しました。これは、利益が個別のモジュールではなく、専門的な役割の相乗的な協働に由来することを確認しました。
  • I-Agentを除去すると、不十分なクエリと検索の逸脱が生じました。
  • E-Agentを除去（単一ラウンド検索に戻す）すると、最大の低下が見られ、充足性駆動の反復探索の必要性が浮き彫りになりました。
• 効率性: SEMA-RAG は多ラウンド相互作用により単一ラウンド手法よりも推論コストが高くなりますが、充足性駆動の早期停止を採用することで、固定ステップの反復ベースライン（i-MedRAG など）と比較して、より有利な精度と効率性のトレードオフを達成しています。

意義と主張

本論文は、SEMA-RAG が検索を臨床推論の段階的ワークフローに一致させるように再構成することで、現在の RAG システムにおける「認知的過負荷」というボトルネックを成功裡に解決したと主張しています。解釈、探索、審判を脱結合することで、システムはタスク実行中にクエリの軌道を適応的に更新できます（テスト時間内での自己進化）。

著者らは、このアプローチが、不完全な証拠下での早期のコミットメントがコストとなる特にシナリオにおいて、より信頼性の高い証拠連鎖をもたらすと述べています。結果は、医療 RAG が、静的な単一ラウンド検索から、より適応的で証拠充足性駆動の構築へと移行すべきであることを示唆しています。

著者が認めた限界:

• 本研究は現時点では、現実的な縦断的臨床ワークフロー（例：EHR 推論）ではなく、ベンチマークベースの設定に限定されています。
• 性能は検索コーパスの質とカバレッジに依存します。重要な証拠が欠落している場合、依然として不完全なグラウンディングにつながる可能性があります。
• 現在の充足性基準は、オプションレベルの分離性のために明示的に設計されていないため、クラスレベルの証拠は正しいがオプションレベルの識別が失敗する誤りが生じる可能性があります。
• このフレームワークは、単一ラウンド手法と比較して追加の推論オーバーヘッドを導入します。