RadAgent: A tool-using AI agent for stepwise interpretation of chest computed tomography

기술 요약: RadAgent

문제 정의

시각-언어 모델(VLM)이 의료 영상, 특히 컴퓨터 단층촬영(CT)의 자동 해석 분야를 발전시켜 왔으나, 기존 방식들은 종종 "블랙박스" 형태로 작동합니다. 이들은 중간 추론 단계, 증거 통합, 또는 의사 결정 논리를 노출하지 않은 채 최종 보고서만을 생성합니다. 이러한 투명성 결여는 임상의가 AI의 출력을 검토, 검증 또는 개선하는 것을 방해하며, 이는 흉부 CT 해석과 같은 고도의 정밀도가 요구되는 진단 작업에서 매우 치명적입니다. 또한, 현재의 훈련되지 않은 에이전트 시스템은 정적인 프롬프트나 미리 정의된 도구 시퀀스에 의존하므로, 복잡하고 역동적인 임상 워크플로우에 적응하지 못하거나 최적의 진단 계획을 설계하는 데 필요한 의학적 지식이 부족할 수 있습니다.

방법론

저자들은 단계별로 해석 가능하며, 흉부 CT 분석을 수행하도록 강화 학습(RL)으로 훈련된 도구 사용 AI 에이전트인 RadAgent를 소개합니다.

아키텍처 및 워크플로

RadAgent는 임상의의 영감을 받은 진단 체크리스트를 중심으로 구조화된 ReAct (Reasoning + Acting, 추론+행동) 패턴에 따라 작동합니다. 워크플로는 다음과 같이 진행됩니다:

1. 초기화: 3D CT 볼륨과 사용자 쿼리를 받으면, RadAgent는 베이스라인 3D VLM(CT-Chat)을 호출하여 초기 보고서 초안을 생성합니다.
2. 반복적 추론 루프: 에이전트는 다음 과정을 반복하는 루프에 진입합니다:
   • 계획(Plan): 체크리스트와 현재 소견을 바탕으로 다음 진단 행동을 결정합니다.
   • 행동(Act): 모델 컨텍스트 프로토콜(MCP)을 통해 전문화된 도구 상자에서 특정 도구를 선택하고 호출합니다.
   • 관찰(Observe): 도구의 출력값을 지속적인 "스크래치패드(scratchpad)"에 업데이트합니다.
   • 정제(Refine): 새로운 증거를 통합하여 예비 소견을 업데이트합니다.
3. 종료: 에이전트가 체크리스트를 충족하기에 충분한 증거가 수집되었다고 판단하면, 축적된 데이터를 종합하여 최종 보고서를 작성합니다.

도구 세트(Toolset)

에이전트는 MCP 서버를 통해 접근 가능한 10개의 전문화된 도구 세트와 상호작용합니다:

• 시각 전용 도구(Vision-Only Tools): 장기 분할(organ segmentation), 흉수 분할(effusion segmentation), 질병 분류(CT-CLIP 기반), CT 윈도잉(windowing).
• 시각-언어 도구(Vision-Language Tools): 3D VQA (CT-Chat 사용) 및 슬라이스 수준의 추론을 위한 2D VQA (Gemma-3-27b-it 사용).
• 유틸리티 도구(Utility Tools): 분할 마스크를 기반으로 한 슬라이스 추출 및 선택.

훈련 패러다임

고정된 프롬프트에 의존하는 훈련되지 않은 에이전트와 달리, RadAgent는 **그룹 상대 정책 최적화(GRPO)**를 사용하여 훈련됩니다. 훈련에는 세 가지 목표의 균형을 맞추도록 설계된 **복합 보상 커리큘럼(composite reward curriculum)**이 활용됩니다:

1. 보고서 품질: 18가지 흔한 병리 현상에 대한 F1 점수(매크로/마이크로) 및 추론 모델로부터 도출된 이상 징후 특화 F1 점수로 측정됩니다.
2. 도구 사용 효율성: 도구 호출 성공, 도구 다양성, 그리고 도구 그래프 일관성(도구 출력이 후속 단계에서 실제로 사용되는지 여부)에 대한 보상을 포함합니다.
3. 체크리스트 준수 및 일관성: LLM 기반 판독기가 에이전트가 진단 체크리스트를 따랐는지, 그리고 도구 호출 시퀀스가 논리적이었는지를 평가합니다.

보상 스케줄은 동적입니다: 초기 단계는 다양한 도구 시퀀스의 탐색을 장려하며, 후기 단계는 체크리스트 준수와 시퀀스 일관성을 우선시합니다.

주요 기여

1. 투명하고 단계적인 해석: RadAgent는 중간 결정 및 도구 상호작용의 완전하게 검사 가능한 트레이스(trace)와 함께 보고서를 생성하여, 임상의가 소견이 어떻게 도출되었는지 검증할 수 있게 합니다.
2. RL로 최적화된 도구 사용: 본 연구는 에이전트를 RL로 훈련하는 것이 효과적인 도구 사용 전략의 자동 발견을 가능하게 하며, 정적인 훈련 미실시 에이전트 시스템보다 우수한 성능을 보임을 입증합니다.
3. 새로운 평가 지표: 본 연구는 3D VLM 베이스라인에서는 측정되지 않았던 **충실도(Faithfulness)**와 강건성(Robustness) 지표를 도입하고 평가합니다.

결과

실험은 CT-RATE 데이터셋(내부 검증/테스트)과 RadChestCT 데이터셋(외부 평가)에서 수행되었습니다.

• 임상 정확도: RadAgent는 베이스라인 3D VLM(CT-Chat)보다 성능이 크게 향상되었습니다.
  • Macro-F1: CT-RATE 테스트 세트에서 5.8 포인트 개선 (상대적 35.4% 증가).
  • Micro-F1: 5.1 포인트 개선 (상대적 18.6% 증가).
  • 이러한 향상은 베이스라인이 자주 놓치는 병리 현상에서 특히 두드러졌습니다.
• 강건성(Robustness): 적대적 조건(잘못된 힌트 주입) 하에서, RadAgent는 CT-Chat 대비 24.7 포인트 (상대적 41.9%) 높은 강건성을 보였습니다 (83.7% vs 58.9%). 이는 오도하는 프롬프트에 대한 취약성이 감소했음을 나타냅니다.
• 충실도(Faithfulness): RadAgent는 **37.0%**의 충실도 점수를 기록한 반면, CT-Chat은 **0.0%**를 기록했습니다. 이는 RadAgent의 출력이 결정에 영향을 미친 요소(주입된 힌트 포함)를 명시적으로 반영하는 반면, 베이스라인은 그럴듯하지만 근거 없는 정당화를 생성했음을 의미합니다.
• 훈련 미실시 베이스라인: RL 최적화 없이도 훈련되지 않은 버전의 RadAgent가 CT-Chat보다 Macro-F1에서 우수한 성능을 보였으며, 이는 도구 증강 아키텍처 자체의 가치를 시사합니다. 그러나 RL은 특히 도메인 외 일반화(RadChestCT)에서 상당한 추가 이득을 제공했습니다.

의의 및 주장

본 논문은 RadAgent가 방사선학을 위한 투명하고 신뢰할 수 있는 AI로의 전환을 나타낸다고 주장합니다. 해석 과정을 명시적이고, 도구 증강된, 반복적인 추론 트레이스로 구조화함으로써, 이 시스템은 기존 VLM의 "블랙박스" 한계를 해결합니다.

저자들의 주장은 다음과 같습니다:

• 해석 가능성은 실행 가능하다: "스크래치패드"와 도구 트레이스를 검사할 수 있는 능력은 임상의가 특정 소견(예: 양성 소견을 시각적으로 검증하기 위해 흉수 분할을 요청하는 것)을 검증할 수 있게 합니다.
• RL은 적응성을 가능하게 한다: 중간 단계를 통해 추론하도록 에이전트를 훈련하면, 에이전트는 도메인 특화 역량을 습득하고 전문화된 도구를 효과적으로 쿼리하는 방법을 배울 수 있어, 일반적인 적응성과 전문적인 정밀도 사이의 간극을 메울 수 있습니다.
• 미래의 워크플로: 이 시스템은 에이전트가 초안을 생성하고, 임상의가 RadAgent 환경 내에서 근거를 직접 심문할 수 있는 "인간 참여형(human-in-the-loop)" 워크플로를 구상합니다.

저자들은 여러 개의 GPU 집약적 도구를 호스팅하는 데 드는 계산 비용과 에이전트가 특정 도구 세트에 최적화되어 있다는 점을 포함한 한계점을 인정하였으나, 도구 상함이 진화할 경우 RL 파이프라인을 다시 실행할 수 있다고 제안했습니다. 또한, 충실도가 크게 개선되었음에도 불구하고 37.0%라는 점수는 추가적인 발전의 여지가 있음을 나타낸다고 언급했습니다.