PACT: 특권 기반 합성 및 분기 합의를 통한 다양한 진단 전략 학습

PACT: Learning Diverse Diagnostic Strategies via Privileged Synthesis and Branch Consensus

임상 진단은 불완전한 환자 정보 하에서 여러 가지 추론 방식을 유연하게 사용하는 것을 요구합니다. 기존 LLM 기반 의료 에이전트는 강력한 의학적 추론 능력을 보여주지만, 단일 방식 또는 단순 결합된 대화 감독 방식으로는 이러한 방식들이 간섭 없이 학습되기 어렵습니다. 본 연구에서는 extbf{PACT} (Periodic Anchor Consensus Training)라는 프레임워크를 제안합니다. 이는 지도 기반의 다중 방식 대화 생성과 합의 기반 분기 훈련을 결합한 것입니다. 데이터 레벨에서, extbf{DPS} (Doctor-Patient-Supervisor)는 양질 관리를 위해 완전한 전자 의료 기록(EMR)을 사용하면서도 의사 에이전트가 환자에게 공개되는 정보로 제한됩니다. 이를 통해 숨겨진 임상 답변을 유출하지 않고 네 가지 진단 추론 방식에 따른 검증된 대화를 생성합니다. 훈련 레벨에서는 PACT가 각 방식별 LoRA 분기를 학습하고, 주기적으로 부호 합의를 통해 이러한 분기들을 공유 Anchor로 통합합니다. 또한, 상호 작용 상담을 위한 동적 다중 회차 중국 의료 진단 벤치마크를 구축했습니다. 실험 결과, PACT는 진단 결과 및 상담 과정 지표에서 비교 대상인 독점, 의료 전문, 작업 특화된 기존 모델들을 능가하는 최첨단 성능을 달성했습니다.

Clinical diagnosis requires flexible use of multiple reasoning paradigms under incomplete patient information. Existing LLM-based medical agents show strong medical reasoning ability, but single-paradigm or naively mixed dialogue supervision makes these paradigms difficult to learn without interference. We propose \textbf{PACT} (Periodic Anchor Consensus Training), a framework that couples supervised multi-paradigm dialogue synthesis with consensus-based Branch training. At the data level, \textbf{DPS} (Doctor-Patient-Supervisor) uses complete electronic medical records (EMRs) for quality control while keeping the doctor agent restricted to patient-visible information. This produces validated dialogues under four diagnostic reasoning paradigms without leaking hidden clinical answers. At the training level, PACT trains one paradigm-specific LoRA Branch per paradigm and periodically aggregates Branches into a shared Anchor through sign consensus. We further construct a dynamic multi-turn Chinese medical diagnosis benchmark for interactive consultation. Experiments show that PACT achieves state-of-the-art performance among compared proprietary, medical-specialized, and task-adapted baselines on diagnostic outcome and consultation-process metrics.