이 방법은 모델이 결과를 한 번 내고 끝내지 않고, 변수 간 논리 일관성·원문 텍스트·의학 지식과 계속 대조하며 스스로 수정하다가 수렴하면 멈추는 방식이에요

의무기록 구조화 추출에서 LLM 정확도를 크게 끌어올리는 ‘딥 반성적 추론’ 프레임워크가 나왔어요.

이 방법은 모델이 결과를 한 번 내고 끝내지 않고, 변수 간 논리 일관성·원문 텍스트·의학 지식과 계속 대조하며 스스로 수정하다가 수렴하면 멈추는 방식이에요. 임상적으로 모순된 출력 문제를 줄이려는 접근이거든요.

대장암 시놉틱 리포트 217건에서 범주형 8개 변수 평균 F1이 0.828→0.911, 숫자형 4개 변수 정답률이 0.806→0.895로 올랐어요. 유잉육종 CD99 패턴 200건은 0.870→0.927, 폐암 병기 100건은 0.680→0.833으로 개선됐고 pT는 0.842→0.884, pN은 0.885→0.948이었어요.

핵심은 의료 AI 성능 경쟁이 이제 ‘한 번의 정답 생성’보다 ‘자기검증 루프를 통한 일관성 보장’으로 이동하고 있다는 점이에요.