RareDxR1은 비정형 임상 노트에서 곧바로 희귀질환을 진단하는 엔드투엔드 추론 중심 대형언어모델이다. 기존 파이프라인식 표현형 추출이나 RAG가 사전 정의된 온톨로지·검색 병목·진단 논리 부재로 정보 손실을 겪는 문제를 해결하기 위해, 지식 내재화와 자율 진화 학습을 결합한 점진적 훈련 프레임워크로 구조화된 표현형과 폐쇄형 의사결정 의존을 우회한다. 인간 라벨링 없이 실패로부터 전문가급 진단 궤적을 합성하는 Reflection-Enhanced Reasoning Sampling(RERS)과 이중 수준 커리큘럼 강화학습을 제안했다. 여러 벤치마크에서 최신 최고 정확도를 달성해 오픈도메인 희귀질환 진단의 진전을 보였으며 ICME 2026에 채택됐다.
- •비정형 임상 노트에서 직접 희귀질환을 진단하는 엔드투엔드 추론 중심 LLM
- •지식 내재화 + 자율 진화 학습으로 구조화 표현형·폐쇄형 의사결정 의존을 우회
- •인간 라벨링 없이 실패에서 전문가급 진단 굤적을 합성하는 RERS와 이중 수준 커리큘럼 강화학습 제안
- •여러 벤치마크에서 SOTA 정확도 달성, ICME 2026 채택
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
RareDxR1: Autonomous Medical Reasoning for Rare Disease Diagnosis Beyond Human Annotation
- 1.희귀질환 진단 특화 추론 LLM 'RareDxR1' 공개, 비정형 임상 노트에서 직접 진단
- 2.실패 사례에서 전문가급 진단 궤적을 합성하는 RERS 기법으로 인간 주석 불필요
- 3.지식 내재화와 2단계 커리큘럼 강화학습 결합, RAG·표현형 추출 한계 우회
- 4.복수 벤치마크에서 최고 정확도 달성, 코드와 데이터셋 공개 예정
왜 중요한가?
기존 RAG·온톨로지 기반 파이프라인의 정보 손실 문제를 지식 내재화로 우회해 개방형 희귀질환 진단에서 SOTA를 달성한 연구로, 의료 AI가 구조화 데이터와 인간 주석 의존에서 벗어나는 흐름을 보여준다.
언급 프로젝트
본문 미리보기
arXiv:2607.00147v1 Announce Type: new Abstract: Rare disease differential diagnosis is a critical yet arduous clinical task, requiring physicians to identify precise phenotypes from complex, unstructured patient symptoms and execute intricate reasoning within a vast search space. However, existing AI approaches typically rely on pipeline-based phenotype extraction or retrieval-augmented generation, which suffer from critical information loss due to predefined ontologies, retrieval bottlenecks,
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
