연구진은 LLM과 에이전트 시스템을 활용한 임상 의사 결정 지원을 위해 ClinSeekAgent라는 새로운 프레임워크를 공개했어요. ClinSeekAgent는 주어진 임상 질문에 따라 의료 지식 기반을 검색하고, EHR을 탐색하며, 의료 영상 도구를 활용하여 증거를 수집하는 방식으로 작동해요.
ClinSeekAgent는 텍스트 기반 EHR 작업에서 Claude Opus 4.6의 F1 점수를 60.0에서 63.2로, MiniMax M2.5의 F1 점수를 43.1에서 47.3으로 향상시켰고, 다중 모드 작업에서는 Claude Opus 4.6의 F1 점수를 47.5에서 62.6으로 크게 개선했어요.
ClinSeekAgent는 에이전트의 증거 수집 경로를 증류하여 ClinSeek-35B-A3B 모델을 만들었고, 기존 AgentEHR-Bench에서 평균 F1 점수 34.0을 달성하며 Qwen3.5-35B-A3B보다 11.9점 향상된 성능을 보여줬어요.