DeepER-Med: 능동적인 인공지능을 활용한 의학 분야의 심층적이고 증거 기반 연구 발전

DeepER-Med: Advancing Deep Evidence-Based Research in Medicine Through Agentic AI

의료 및 생의학 연구 분야에서 인공지능(AI)의 임상 적용을 위해서는 신뢰성과 투명성이 필수적입니다. 최근의 심층 연구 시스템은 AI 에이전트와 다중 홉 정보 검색, 추론 및 통합을 통해 증거 기반의 과학적 발견을 가속화하는 것을 목표로 합니다. 그러나 대부분의 기존 시스템은 증거 평가에 대한 명시적이고 검증 가능한 기준이 부족하여 오류가 누적될 위험이 있으며, 연구자 및 임상의가 시스템의 출력 결과를 평가하기 어렵게 만듭니다. 동시에, 현재의 벤치마킹 방법은 복잡하고 실제적인 의학적 질문에 대한 성능 평가를 거의 수행하지 않습니다. 본 논문에서는 능동적인 AI 시스템을 갖춘 심층적이고 증거 기반의 의학 연구 프레임워크인 DeepER-Med를 소개합니다. DeepER-Med는 심층적인 의학 연구를 명시적이고 검증 가능한 증거 기반 생성 워크플로우로 구성하며, 세 가지 모듈로 구성됩니다. 즉, 연구 계획, 능동적인 협업 및 증거 종합입니다. 실제적인 평가를 지원하기 위해, 본 논문에서는 DeepER-MedQA를 소개합니다. DeepER-MedQA는 실제 의학 연구 시나리오에서 파생된 100개의 전문가 수준의 연구 질문으로 구성된 증거 기반 데이터 세트로, 11명의 다학제 분야 생의학 전문가 패널에 의해 큐레이션되었습니다. 전문가의 수동 평가 결과, DeepER-Med는 새로운 과학적 통찰력 생성 등 다양한 기준에서 널리 사용되는 상용 플랫폼보다 일관되게 우수한 성능을 보였습니다. 또한, DeepER-Med의 실용적인 유용성을 8개의 실제 임상 사례를 통해 입증했습니다. 임상의의 평가 결과, DeepER-Med의 결론이 7개의 사례에서 임상 권장 사항과 일치했으며, 이는 의학 연구 및 의사 결정 지원에 대한 잠재력을 보여줍니다.

Trustworthiness and transparency are essential for the clinical adoption of artificial intelligence (AI) in healthcare and biomedical research. Recent deep research systems aim to accelerate evidence-grounded scientific discovery by integrating AI agents with multi-hop information retrieval, reasoning, and synthesis. However, most existing systems lack explicit and inspectable criteria for evidence appraisal, creating a risk of compounding errors and making it difficult for researchers and clinicians to assess the reliability of their outputs. In parallel, current benchmarking approaches rarely evaluate performance on complex, real-world medical questions. Here, we introduce DeepER-Med, a Deep Evidence-based Research framework for Medicine with an agentic AI system. DeepER-Med frames deep medical research as an explicit and inspectable workflow of evidence-based generation, consisting of three modules: research planning, agentic collaboration, and evidence synthesis. To support realistic evaluation, we also present DeepER-MedQA, an evidence-grounded dataset comprising 100 expert-level research questions derived from authentic medical research scenarios and curated by a multidisciplinary panel of 11 biomedical experts. Expert manual evaluation demonstrates that DeepER-Med consistently outperforms widely used production-grade platforms across multiple criteria, including the generation of novel scientific insights. We further demonstrate the practical utility of DeepER-Med through eight real-world clinical cases. Human clinician assessment indicates that DeepER-Med's conclusions align with clinical recommendations in seven cases, highlighting its potential for medical research and decision support.