다분야 인공지능 기반 다중 모드 치매 특성 분석 및 위험 평가 시스템

A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment

최신 임상 현장은 이질적이고, 변화하며, 불완전한 환자 데이터를 기반으로 의사 결정을 내리는 경우가 점점 더 많아지고 있습니다. 최근 다중 모드 기반 모델의 발전은 다양한 임상 작업의 성능을 향상시켰지만, 대부분의 기존 모델은 정적이고, 투명성이 부족하며, 실제 임상 워크플로우와 제대로 연계되지 않습니다. 본 논문에서는 EHR(전자의무기록), 임상 노트, 의료 영상 분석을 위한 전문적인 에이전트를 조정하는 대화형 다중 에이전트 인공지능 시스템인 Cerebra를 소개합니다. 이러한 결과들은 시각적 분석과 대화형 인터페이스를 결합한 임상의용 대시보드로 통합되어, 임상의가 예측 결과를 검토하고 진료 현장에서 위험 요소를 맥락적으로 이해할 수 있도록 지원합니다. Cerebra는 구조화된 표현을 사용하여 개인 정보 보호를 강화하며, 데이터 모드 중 일부가 누락된 상황에서도 안정적인 성능을 유지합니다. Cerebra는 4개의 독립적인 의료 시스템에서 수집된 3백만 명의 환자 데이터를 포함하는 대규모 다기관 데이터 세트를 사용하여 평가되었습니다. Cerebra는 최첨단 단일 모드 모델 및 대규모 다중 모드 언어 모델 기준보다 일관되게 뛰어난 성능을 보였습니다. 치매 위험 예측에서는 최대 0.80의 AUROC를 달성했으며, 이는 가장 강력한 단일 모드 모델의 0.74와 언어 모델 기준의 0.68보다 높은 수치입니다. 치매 진단에서는 0.86의 AUROC를, 생존 예측에서는 0.81의 C-index를 달성했습니다. 경험이 풍부한 의사들을 대상으로 한 연구에서, Cerebra는 전문가의 성능을 크게 향상시켜, 잠재적 치매 위험 예측의 정확도를 17.5%p 증가시켰습니다. 이러한 결과는 Cerebra가 임상 진료에서 해석 가능하고, 안정적인 의사 결정 지원 시스템으로서의 잠재력을 가지고 있음을 보여줍니다.

Modern clinical practice increasingly depends on reasoning over heterogeneous, evolving, and incomplete patient data. Although recent advances in multimodal foundation models have improved performance on various clinical tasks, most existing models remain static, opaque, and poorly aligned with real-world clinical workflows. We present Cerebra, an interactive multi-agent AI team that coordinates specialized agents for EHR, clinical notes, and medical imaging analysis. These outputs are synthesized into a clinician-facing dashboard that combines visual analytics with a conversational interface, enabling clinicians to interrogate predictions and contextualize risk at the point of care. Cerebra supports privacy-preserving deployment by operating on structured representations and remains robust when modalities are incomplete. We evaluated Cerebra using a massive multi-institutional dataset spanning 3 million patients from four independent healthcare systems. Cerebra consistently outperformed both state-of-the-art single-modality models and large multimodal language model baselines. In dementia risk prediction, it achieved AUROCs up to 0.80, compared with 0.74 for the strongest single-modality model and 0.68 for language model baselines. For dementia diagnosis, it achieved an AUROC of 0.86, and for survival prediction, a C-index of 0.81. In a reader study with experienced physicians, Cerebra significantly improved expert performance, increasing accuracy by 17.5 percentage points in prospective dementia risk estimation. These results demonstrate Cerebra's potential for interpretable, robust decision support in clinical care.