CareGraph는 파편화된 임상·자가보고·웨어러블 데이터를 진단이나 치료 결정 없이 우선순위가 매겨진 추세와 근거 출처가 명확한 설명으로 정리해주는 감사 가능한 하이브리드 AI 프레임워크다. 결정론적 분석, 맥락 감지, 그래프 구축, 제약된 언어모델 합성, 근거 검증, 안전 통제, 배포 게이팅으로 이어지는 파이프라인을 갖췄으며 개발·검증·홀드아웃 각 400명의 합성 환자 코호트로 테스트했다. 홀드아웃 데이터에서 추세 판별 정확도 0.827, 매크로 F1 0.837을 기록했고, 결측 맥락 탐지는 기존 레거시 탐지기(F1 0.318) 대비 크게 개선된 0.815를 보였으며 안전 규칙셋은 정밀도 1.000, 재현율 0.950을 달성했다. 단일 GPT-5.6 모델과 비교했을 때 CareGraph는 처리 시간(40.15초 대 49.62초)과 응답 길이(661 대 1,163단어) 모두 더 효율적이었지만, 원시 근거 인용 수는 기준 모델이 더 많았다.

• •진단·예측·치료 선택을 하지 않고 근거 출처가 명시된 추세·결측 지표만 제시하는 안전 우선 설계
• •홀드아웃 데이터에서 추세 판별 정확도 0.827, 결측 맥락 탐지 F1 0.815(레거시 0.318 대비 대폭 개선)
• •안전 규칙셋 v1.2가 정밀도 1.000, 재현율 0.950으로 위험 출력을 효과적으로 차단
• •GPT-5.6 단독 대비 처리 속도·응답 길이에서 효율적이나 원시 근거 인용은 상대적으로 적음