인공지능(AI)은 그동안 방사선 치료 분야에서 특정 작업들을 개선하는 데 기여해왔습니다. 예를 들어, 종양을 식별하거나 치료 계획을 세우는 등의 개별적인 단계에서 AI가 활용되었죠. 하지만 진단부터 치료 결정, 실제 치료, 그리고 사후 관리까지 이어지는 방사선 치료의 전체 과정은 여러 임상 단계, 소프트웨어 환경, 그리고 데이터 양식에 따라 파편화되어 있어 통합적인 관리가 어려웠습니다. 이러한 단절은 환자 치료의 효율성과 일관성을 저해하는 요인이었습니다.
최근 발표된 'RadOnc-Agent' 연구는 이러한 문제 해결을 위해 대규모 언어모델(LLM)을 활용한 새로운 에이전트 기반 AI 프레임워크를 제시합니다. 이 프레임워크는 방사선 치료 과정을 네 가지 임상 단계로 체계화하고, 대화형 인터페이스를 통해 26가지 호출 가능한(callable) 기능을 제공합니다. LLM 컨트롤러는 의료진의 임상 의도를 파악하여 적절한 기능을 실행하고, 환자 및 워크플로우 맥락을 유지하며, 요청을 전문 서비스로 라우팅하는 역할을 합니다. 연구팀은 2,600건의 단일 기능 요청과 200개의 사전 정의된 교차 단계 시나리오, 그리고 60명의 실제 환자 기록을 기반으로 한 120개 워크플로우 인스턴스를 통해 시스템을 평가했습니다. 그 결과, RadOnc-Agent는 단일 기능 실행에서 98.79%, 교차 단계 워크플로우에서 96.50%, 실제 환자 워크플로우에서 96.67%의 높은 정확도로 작업을 완료했습니다.
이 연구 결과는 LLM이 이질적인 방사선 치료 역량과 정보를 치료 전 과정에 걸쳐 조정하고 통합할 수 있는 기술적 가능성을 입증합니다. 특히, 환자의 치료 여정 전반에 걸쳐 맥락을 유지하는 '종단적 상태(longitudinal state)'의 중요성을 확인했는데, 이를 제거했을 때 교차 단계 워크플로우 완료율이 96.50%에서 84.00%로 크게 감소했습니다. 이는 LLM이 단순히 개별 작업을 수행하는 것을 넘어, 복잡하고 연속적인 의료 워크플로우를 효과적으로 관리할 수 있는 잠재력을 보여줍니다. 비록 이 연구가 임상적 정확성이나 유용성을 확립하는 것은 아니지만, 미래 의료 분야에서 LLM 기반 에이전트 시스템이 환자 치료 과정을 혁신하고 의료진의 업무 부담을 줄이는 데 중요한 역할을 할 수 있음을 시사합니다.