An agentic AI workflow for spine history taking and surgeon-facing clinical synthesis

기술 요약: SpineGPT-2 – 척추 병력 청취 및 임상적 합성을 위한 에이전트형 AI 워크플로우

문제 정의

충분한 병력 청취는 안전한 척추 트리아지(triage)와 진단적 추론의 초석이지만, 외래 환경에서는 시간 압박, 높은 환자 수, 전문의의 업무량 제한으로 인해 빈번하게 저해됩니다. 대규모 언어 모델(LLM)은 의학 지식 과업과 정적인 사례 기반 질문에는 능숙함을 보였으나, 실제 임상 현장에 배치하기 위해 필요한 운영 인프라는 결여되어 있습니다. 단독 LLM은 종종 단발성 상호작용에 국한되거나 사전 조립된 정보를 필요로 하며, 정보를 이끌어내고, 정제하고, 우선순위를 정하는 역동적인 다회차(multi-turn) 과정을 재현하는 데 실패합니다. 또한, 구조화되지 않은 LLM 출력은 환각(hallucination), 안전에 직결되는 누락, 결정론적 임상 워크플로우 강제 불가능 등의 위험을 초래합니다. 따라서 구조화되고 안전이 보장된 병력 인터뷰를 수행하고, 외과의에게 임상적으로 실행 가능한 요약을 제공할 수 있는 에이전트형 시스템이 필요하며, 이를 통해 척추 케어에서의 AI 타당성과 실제 임상적 유용성 사이의 간극을 메워야 합니다.

방법론

본 연구는 척추 외래 진료를 위해 설계된 새로운 에이전트형 AI 시스템인 SpineGPT-2를 평가했습니다. 시스템 아키텍처는 세 가지 연속적인 구성 요소로 이루어져 있습니다:

1. 환자 대응 에이전트 (Patient-Facing Agent, PFA): 텍스트 기반 임상 인터뷰를 수행하는 적응형 대화 에이전트입니다. 이 에이전트는 필수 최소 병력 요소(인구통계, 주소(chief complaint) 특성, 신경학적 문진, 기능적 영향, 과거력, 레드 플래그(red-flag) 스크리닝)를 준수하면서 진단 불확실성을 반복적으로 줄이도록 시스템 프롬프트에 의해 유도됩니다. PFA는 엄격한 행동 규칙 하에 작동합니다: 한 번에 하나의 질문만 던지고, 진단이나 치료 권고를 피하며, 인터뷰 종료 전 커버리지 리스트를 기준으로 자가 점검을 수행합니다.
2. 결정론적 오케스트레이션 레이어 (Deterministic Orchestration Layer): 안전 및 워크플로우 컨트롤러 역할을 하는 규칙 기반 파이썬 모듈(비 LLM)입니다. 이는 세션 상태를 관리하고, "한 턴당 하나의 질문" 규칙을 강제하며, 임상적으로 유의미한 신호(예: 진행성 약화, 야간 통증)를 모니터링하여 표적 후속 질문을 트리거하고, 인터뷰 종료 전 모든 필수 병력 요소가 다뤄졌는지 확인하기 위한 "커버리지 게이트"를 집행합니다. 또한 데이터 프라이버시, 검색 증강 생성(RAG) 호출 및 감사 로그를 처리합니다.
3. 외과의 대응 에이전트 (Surgeon-Facing Agent, SFA): 인터뷰가 잠긴 후 구조화된 요약을 생성하는 추론 에이전트입니다. 이 에이전트는 원문 녹취록과 검색된 가이드라인 근거를 처리하여 다음을 포함하는 보고서를 생성합니다: (a) 환자의 이야기 (서사적 재구성), (b) 진단적 인상 (지지/반대 근거를 포함한 순위화된 감별 진단), (c) 권장 다음 단계 (신체 검진 기법, 영상 의학 검사, 트리아지). SFA는 클레임이 "검색 근거 기반"(31개의 척추 가이드라인 코퍼스에서 인용됨)인지 또는 "모델 유도/미검증"인지 라벨을 붙이는 프로비넌스(provenance) 정책을 채택합니다.

연구 설계:
240명의 환자를 대상으로 단일 클리닉 성능 평가 연구가 전향적으로 수행되었습니다. 할당은 교대 블록 설계(alternating day-block design)를 통해 이루어졌습니다: 120명은 모델 암(SpineGPT-2 사전 진료 인터뷰)에, 120명은 대조군(표준 임상의 병력 청취)에 배정되었습니다.

• 주요 결과 지표: 독립적인 전문가 패널(신경외과 및 정형외과 전문의)이 5개 항목의 5점 리커트 척도로 평가한 SFA 요약의 임상적 적절성. 사전 지정된 임계값은 4.0("안전하게 실행 가능한")으로 설정되었습니다.
• 이차/탐색적 결과 지표: 진단 일치도(패널 합의와의 top-1 및 top-3 일치도), 레드 플래그 탐지 민감도/특이도, 의사 주도 병력 청취 시간, 내용 정확도(환각 발생률), 운영 안전 이벤트, 정보 공백, 환자 수용성(챗봇 사용성 설문지).

주요 결과

• 요약 적절성: 모델 암의 평균 적절성 점수는 4.23 (95% CI, 4.10–4.36)으로, 사전 지정된 임계값인 4.0을 유의미하게 초과했습니다 ($p < 0.001$). 검사자 간 신뢰도는 높았습니다 (ICC = 0.88). **76.7%**의 요약이 $\ge$ 4의 평균 점수를 달성했습니다.
• 진단 일치도: 전문가 패널의 주요 진단이 모델의 top-3 감별 진단 내에 포함된 경우는 **88.3%**였습니다. top-1 순위 진단과 정확히 일치한 경우는 **72.5%**였습니다. 객관적 참조 진단이 있는 하위 집단에서 확진 진단이 top-3 내에 있었던 비율은 **85.9%**였습니다.
• 레드 플래그 탐지: 패널의 녹취록 기반 판단과 비교했을 때, 시스템은 레드 플래그 탐지에 대해 **93.8%**의 민감도와 **96.2%**의 특이도를 달取得했습니다. 치료 의사의 사후 검사 검증과 비교했을 때, 민감도는 82.4%, 특이도는 **95.1%**였습니다.
• 효율성: 의사 주도 병력 청취 시간은 대조군(10.22분)에 비해 모델 암(6.77분)에서 유의미하게 감소하여, 평균 3.45분의 단축을 나타냈습니다 ($p < 0.001$).
• 안전 및 정확성: 환각(요약에 포함되었으나 녹취록에 의해 뒷받침되지 않는 정보)은 **8.3%**의 사례(10건)에서 발생했으나, 안전에 치명적인 레드 플래그 항목과 관련된 것은 없었습니다. 근거 없는 임상적 추론은 5.0%, 검색 프로비넌스 라벨 오류는 6.7%에서 발생했습니다. 운영 안전 이벤트(기술적 실패, 조기 종료, 엄격한 규칙 위반)는 120건 중 9건(7.5%)에서 발생했습니다.
• 환자 경험: 평균 챗봇 사용성 설문지(CUQ) 점수는 74.6 (SD 11.8)로, 수용 가능한 수준의 사용성을 나타냈습니다.

주요 기여

1. 임상적 안전을 위한 에이전트형 아키텍처: 본 논문은 LLM을 하이브리드 확률-결정론적 아키텍처(대화형 에이전트와 추론 에이전트, 그리고 규칙 기반 오케스트레이션 레이어를 분리) 내에 삽입함으로써, 단독 LLM은 보장할 수 없는 안전 제약 조건과 워크플로우 무결성을 강제할 수 있음을 입증했습니다.
2. 실제 의료 현장에서의 임상적 유용성: 시뮬레이션 시나리오에 의존한 기존 연구들과 달리, 본 연구는 고빈도 외래 척추 클리닉에서 에이전트형 병력 청취 시스템을 검증하여, 진단적 범위를 해치거나 안전을 저해하지 않으면서도 임상적으로 적절한 요약을 생성할 수 있음을 보여주었습니다.
3. 프로비넌스 기반 합성: 시스템은 외과의용 요약에 대한 엄격한 프로비넌스 정책을 도입하여, 가이드라인 근거 기반 클레임과 모델 유도 추론을 구분함으로써 추적 가능성을 높이고 검증되지 않은 임상적 주장의 위험을 줄였습니다.
4. 워크플로우 통합: 본 연구는 AI가 반복적인 병력 수집 부담을 진료 전 단계로 전환함으로써, 진단 범위나 안전성을 타협하지 않고도 의사의 시간을 크게 단축할 수 있다는 증거를 제공합니다.

의의 및 주장

저자들은 SpineGPT-2가 LLM 기반의 척추 문진을 "입증된 타당성" 단계에서 "실질적인 임상적 유용성"을 갖춘 감독 하의 사전 진료 지원 레이어로 격상시킨다고 주장합니다. 이 시스템은 자율적인 진단 도구가 아니라, 의사가 진료실에 들어오기 전 임상적 추론을 구조화하고, 감별 진단을 우선순위화하며, 안전에 직전적인 특징들을 식별하는 메커니즘으로 제시됩니다.

본 연구는 시스템의 가치가 그 아키텍처에 있다고 강조합니다: 적응형 환자 상호작용과 결정론적 안전 제어 및 다운스트림 임상 합성을 분리하는 것입니다. 이러한 설계는 환자의 비선형적인 스토리텔링을 처리하면서도 핵심적인 안전 경계(예: 환자에게 진단 금지, 필수 레드 플래그 스크리닝)를 강제할 수 있게 합니다.

저자들은 시스템이 임상적으로 적절한 요약을 생성하고 상담 시간을 단축하지만, 의사의 판단을 대체하는 것은 아니라고 겸허히 결론짓습니다. 환각 및 정보 공백(특히 이전 치료 및 기능적 영향 관련)의 존재는 임상의의 검토가 필수적임을 강조합니다. 본 연구 결과는 에이전트형, 안전 우선, 검색 근거 기반 시스템이 인간의 감독 하에 견고한 운영 프레임 내에서 작동할 때 효과적으로 척추 케어 워크플로우를 보완할 수 있다는 가설을 뒷받합합니다. 향-후 연구에서는 다수의 의료 기관, 의사 및 더 복잡한 병리 스펙트럼 전반에 걸쳐 이러한 결과를 검증할 필요가 있다고 명시했습니다.