기술 요약: PathWISE – 임상 흐름도에서 학습하는 다중 에이전트 암 경로 분류 온톨로지

문제 제기

암 분류 및 치료 표준화에 필수적인 임상 경로는 주로 시각적 흐름도로 배포됩니다. 이러한 문서는 공간적 위상, 화살표 방향성, 조건부 분기, 색상 코딩, 글꼴 두께를 통해 복잡한 의사결정 논리를 인코딩합니다. 인간이 해석하기에는 정보가 풍부하지만, 이러한 시각적 산물은 계산 시스템이 접근할 수 없습니다. 텍스트만 사용하는 자연어 처리 (NLP) 접근법은 기계 실행에 필요한 공간적 및 위상적 의미론을 복원하지 못합니다. 그 결과, 전문가가 작성한 경로 지식과 자동화되고 감사 가능한 임상 의사결정 지원 (CDS) 에 필요한 기계 판독 가능 표현 (HL7 임상 품질 언어 또는 CQL 등) 사이에 지속적인 격차가 존재합니다. 기존 시스템은 시각적 수집 기능이 부족하거나, 전자 건강 기록 (EHR) 워크플로우에 배포하기에 적합한 컴파일러 검증 및 표준 준수 출력을 생성하지 못합니다.

방법론: PathWISE 파이프라인

PathWISE 는 비계산 가능한 시각적 흐름도를 검증되고 실행 가능한 CQL 라이브러리로 변환하여 FHIR CDS Hooks 서비스로 배포할 수 있도록 설계된 5 단계 파이프라인입니다. 이 아키텍처는 비결정적 대규모 언어 모델 (LLM) 추론을 지식 추출 및 초안 작성으로 제한하고, 검증에는 결정적 그래프 수학 및 표준 컴파일러에 의존하는 하이브리드 방식을 채택합니다.

파이프라인은 다음과 같이 작동합니다:

1. 시각 파싱 (비전 에이전트): 비전 - 언어 모델이 경로 PDF 의 PNG 렌더를 처리하여 타입이 지정된 방향 그래프 $G=(V, E)$를 추출합니다. 노드는 타입 (예: 의사결정 다이아몬드, 작업 블록), 정규화된 좌표, 시각적 속성 (배경색, 글꼴 두께), 추출된 텍스트로 인코딩됩니다. 간선은 화살표 연결자를 기반으로 명시적으로 식별됩니다. 출력은 구조적 일관성을 보장하기 위해 엄격한 Pydantic 스키마로 제한됩니다.
2. 결정적 그래프 감사 (DFS 감사자): 비 LLM 기반의 결정적 깊이 우선 탐색 (DFS) 알고리즘이 추출된 그래프를 분석합니다. 구조적 진단 (고아 노드, 막다른 길, 사이클) 을 계산하고, 모든 유효한 환자 여정 ($P(G)$) 을 순서 있는 노드 ID 시퀀스로 나열합니다. 이 단계는 하위 라우팅 로직이 소스 다이어그램에 인코딩된 여정을 정확히 커버하도록 보장합니다.
3. CQL 의미 감사 (CQL 감사 에이전트): LLM 에이전트가 각 노드의 계산 가능성을 평가합니다. 노드 내용을 CQL 1.5 표현식으로 번역하려고 시도하고 유효성을 나타내는 라벨을 할당합니다. 기준을 충족하지 못하는 노드 (모호성, 복잡성, 오류 또는 형식 불일치로 인해) 는 분류됩니다. 이 감사는 후속 생성에 조건을 부여하고 임상 거버넌스를 위한 기계 판독 가능한 격차 분석을 제공합니다.
4. CQL 생성 및 검증 (생성자 및 비평가로서의 컴파일러):
   • 정의: CQL 생성자 에이전트가 FHIR R4 CQL 정의를 생성합니다. 사전에 포함된 개념을 정확한 시스템 - 코드 쌍에 매핑하고, 매핑되지 않은 개념을 위해 할루시네이션을 방지하기 위해 감시자 식별자를 할당하며, 계산 불가능한 노드에 대해 거버넌스 주석이 포함된 false 자리 표시자를 삽입합니다.
   • 라우팅: 그래프 라우터 에이전트가 2 단계에서 나열된 여정을 기반으로 라우팅 로직을 구성하며, 노드 정의의 논리곱을 사용하여 경로 술어를 형성합니다.
   • 검증: 결정적 Java CQL-to-ELM 컴파일러가 "비평가" 역할을 합니다. 생성된 CQL 이 컴파일에 실패하면 오류가 재생성을 위한 수정 프롬프트에 주입됩니다 (최대 3 회 반복). 이는 확률적 모델 기반 비판을 이진적이고 표준 기반 검증으로 대체합니다.
5. CDS Hooks 배포: 검증된 CQL 라이브러리는 FastAPI 서비스로 배포됩니다. 환자 보기 트리거가 발생하면 서비스는 FHIR 리소스에 대해 라우팅 로직을 평가하여, 계산 불가능한 기준이 발견될 경우 인간 검토를 위한 플래그, 근거 및 권장 조치와 함께 구조화된 CDS 카드를 반환합니다.

주요 기여

• 시각 - 실행 파이프라인: PathWISE 는 시각적 임상 경로 문서부터 배포되고 감사 가능한 CDS 서비스에 이르는 전체 파이프라인을 연결하는 최초의 시스템으로, 시각적 파싱이 임상 배포 가능성을 결여하고 가이드라인 인코딩이 FHIR 호환성이 부족한 격차를 해소합니다.
• 비평가로서의 컴파일러 패턴: 이 논문은 LLM 비평가를 검증용 결정적 Java 컴파일러로 대체하는 디자인 패턴을 소개합니다. 이는 할루시네이션된 용어 코드나 잘못된 구문으로 인해 그럴듯하지만 잘못된 추천이 아닌 컴파일 오류가 발생하도록 보장하여 이진 통과/실패 보장을 제공합니다.
• 다중 에이전트 하이브리드 아키텍처: 시스템은 지식 추출 (LLM 기반) 과 임상 실행 (결정적) 을 분리합니다. 이는 비결정적 행동을 검토 가능한 작성 단계로 제한하고 정오흐 검사를 결정적 구성 요소로 이동시킵니다.
• 거버넌스 투명성: 시스템은 잘못된 자동화를 강요하기보다는 "계산 불가능" 노드와 거버넌스 격차 (예: 내용 모호성, 형식 불일치) 를 검토 항목으로 명시적으로 표출하여 인간 - 루프 감사 추적성을 유지합니다.

결과

이 프레임워크는 5 개의 영국 NHS 암 경로 (대장암, 폐암, 피부암, 상부 위장관암, 유방암) 에서 평가되었으며, 다양한 구조적 복잡성 (7 개에서 73 개 노드; 3 개에서 234 개 나열된 여정) 을 포함합니다. 세 가지 구성이 테스트되었습니다: Claude 전용, Gemini 전용, 그리고 하이브리드 (비전은 Gemini, CQL 은 Claude).

• 컴파일 성공: PathWISE 는 생성된 15 개 라이브러리 (5 개 경로 × 3 개 구성) 전반에 걸쳐 100% 구문 컴파일 성공률을 달성했습니다. 어떤 라이브러리도 컴파일러 - 비평가 반복을 두 번 이상 요구하지 않았습니다.
• 의미 감사 성능: 노드 수준의 계산 가능성 통과율은 구성에 따라 다양했습니다. "Claude 전용" 구성이 가장 높은 통과율 (48.9%) 을 달성한 반면, "Gemini 전용"은 가장 보수적이었습니다 (6.0% 통과, 544 개의 계산 불가능 노드). "하이브리드" 구성은 이를 균형 있게 조정하여 37.4% 의 통과율을 달성했습니다.
• 거버넌스 발견: 시스템은 모든 구성에서 544 개의 구조화된 거버넌스 발견을 식별했습니다. "내용 모호성"이 지배적인 범주였습니다 (발견의 약 78~84%), 이는 주관적 임상 언어의 광범위한 사용을 반영합니다. "형식 불일치" 발견은 텍스트만 사용하는 시스템이 놓치는 시각적 긴급 신호 (예: 빨간 배경) 가 성공적으로 포착되었음을 확인했습니다.
• 용어 안전성: 시스템은 사전에 포함된 개념에 대해 할루시네이션된 용어 코드를 전혀 생성하지 않았습니다. 일치하지 않는 개념은 인간 검토를 위해 감시자 식별자가 할당되었습니다.
• 배포 준비 상태: 25 개의 합성 FHIR R4 환자 기록을 사용한 테스트에서 하이브리드 구성은 모든 호출에 대해 구조적으로 유효한 CDS 카드를 생성했습니다. 72% 의 기록이 완전히 자동화된 라우팅을 달성한 반면, 나머지 28% 는 계산 불가능한 기준에 대한 특정 인간 검토 플래그를 정확하게 표출하여 안전성을 훼손하지 않으면서 실행 준비 상태를 입증했습니다.
• 검증: 노드 수는 5 개 경로 중 4 개에서 독립적인 NHS England AIQCoP 분석과 정확히 일치하여 시각적 파싱 정확도를 검증했습니다.

중요성 및 주장

이 논문은 PathWISE 가 고위험 임상 워크플로우 자동화를 위한 실용적인 디자인 패턴, 즉 모델 기반 지식 추출과 결정적 검증을 분리하는 것을 보여준다고 주장합니다.

저자들은 LLM 이 시각적 구조 해석 및 코드 초안 작성에는 효과적이지만, 규제된 임상 환경에서 요구되는 최종 정오흐 검사에는 불충분하다고 주장합니다. 결정적 컴파일러를 게이트키퍼로 사용하여 PathWISE 는 소스 자료에 모호성이 있더라도 최종 출력이 실행 가능하고 표준을 준수하도록 보장합니다. 이 시스템은 모든 임상적 모호성을 자동으로 해결한다고 주장하지 않습니다. 대신, 계산 가능한 경로 부분을 상호 운용 가능한 의사결정 지원 논리로 자동 변환하는 동시에 거버넌스 격차와 계산 불가능한 기준을 임상 검토를 위해 표출하는 감사 가능한 번역 도구로 자신을 위치시킵니다.

이 작업은 범위가 소박하며, 용어 자원의 수동 큐레이션 필요성과 모호한 경로 기준의 자동 해결 불가와 같은 한계를 인정합니다. PathWISE 를 인간 임상 판단의 완전한 대체가 아닌 시각적 임상 지식과 기계 실행 가능 시스템 사이의 격차를 해소하는 한 걸음으로 규정합니다.