의료 AI 벤치마크가 공급자의 전략적 반응을 고정해 메커니즘이 생성하는 균형을 평가하지 못한다는 한계를 지적하고, 의료 메커니즘 설계를 언어 모델을 위한 프로그램 합성으로 재정의했다. 코딩·환자 선별·진료 지연·노력·트리아지 5가지 전략적 채널을 갖춘 다중 에이전트 시뮬레이터 Medi-Sim으로 규칙 프로그램을 평가하며, 감사 레버 하나를 닫으면 저복잡도 환자 선별이 두 배 이상 증가하는 '압력 이동' 현상을 발견했다. LLM 기반 진화적 코드 탐색으로 업코딩 제거, 거부율 절반 감소, 수익 대부분 유지를 동시에 달성하는 검사 가능한 혼합 목표 정책 프로그램을 합성했다. 단일 감사 레버로는 공급자 전략을 다른 채널로 이동시킬 수 있어, 다중 채널 동시 고려의 중요성을 보여준다.
- •의료 메커니즘을 코딩·선별·지연·노력·트리아지 5채널 다중 에이전트 Medi-Sim으로 평가해, 단일 감사 레버 제어가 공급자 전략을 다른 채널로 이동시키는 '압력 이동' 현상을 발견했다.
- •코딩 채널 폐씁 시 저복잡도 환자 선별이 2배 이상 증가하는 등 고전 보건경제학 이론을 균형 상태로 복원할 수 있음을 시뮬레이션으로 확인했다.
- •LLM 기반 진화적 코드 탐색으로 업코딩 제거·거부율 절반·수익 유지를 동시에 달성하는 검사 가능한 혼합 목표 정책 프로그램을 합성했다.
Healthcare Mechanisms from Policy-as-Code Search under Strategic Provider Response
- 1.의료 메커니즘 설계를 LLM 코드 합성 문제로 재구성, 5개 전략 의사 채널 포함 멀티에이전트 시뮬레이터 Medi-Sim으로 평가
- 2.인센티브 변화에 따른 업코딩·저복잡도 환자 선택·굿하트 드리프트 등 의료경제학 고전 패턴 자동 재현
- 3.LLM 진화 코드 탐색으로 업코딩 제거·환자 거부 절반·수익 유지를 동시 달성하는 프로그램 자동 합성
왜 중요한가?
AI가 의료 지불 정책을 시뮬레이션·설계하고 기존 경제학 이론까지 검증하는 새 패러다임을 제시해, 보건 정책 입안자와 의료 AI 연구자 모두에게 실용적 도구를 제공한다.
🏷️ 언급 프로젝트
본문 미리보기
arXiv:2605.30680v1 Announce Type: new Abstract: Healthcare mechanisms are inseparable from the strategic provider response they induce: existing healthcare AI benchmarks hold this response fixed and so cannot evaluate mechanisms by the equilibrium they produce. We recast hospital mechanism design as program synthesis for language models: typed, inspectable rule programs are executed and scored by Medi-Sim, a multi-agent simulator with five strategic provider channels (coding, selection, delay,
전체 내용이 궁금하다면?
원문을 직접 읽어보세요