MedGraph: 장기 의료 대화에서 그래프 메모리로 환자 상태 유지하기

문제

여러 차례 진료에 걸쳐 환자를 돕는 LLM 의료 비서는 바뀌는 환자 상태를 정확히 기억해야 한다. 저자들은 기존 메모리 시스템 5개의 오답 150개를 분석해 세 가지 실패 원인을 찾았다. 첫째, 지난 상태를 근거로 쓴다(State validity). 둘째, 다른 사람의 건강 정보를 섞는다(Subject attribution). 셋째, 알레르기 같은 안전 정보를 빠뜨린다(Safety prioritization).

방법

MedGraph는 3층 메모리다. 원문 대화(L1), 임상 사실 그래프(L2), 환자 프로필(L3)로 이뤄진다. 메모리 구축 단계에서는 세션마다 LLM을 한 번 호출해 날짜가 붙은 사실을 뽑고, 각 사실을 그 사실이 가리키는 사람에게 연결한다. 약물·진단·검사·활력징후 기록은 (항목, 대상자, 유형) 기준으로 체인을 만들고 supersede 엣지로 과거 상태를 보존한다. 검색 단계에서는 환자의 사실만 BM25와 dense 검색으로 순위를 매기고 체인을 한 단위로 다룬다. 질문 시점에 해당하는 기록, 직전 기록, 원문 발췌를 함께 넣는다. 모든 안전 사실을 담은 환자 프로필은 관련성 판단 없이 매 질문에 붙인다.

결과

• MedMemoryBench 967문항의 GPT 설정에서 평균 정확도 51.9%를 기록했다. 최강 기준선인 Embedding RAG(41.4%)보다 10.5%p 높다.
• Qwen3-30B-A3B 설정에서도 평균 46.1%로, Embedding RAG(35.7%)보다 10.4%p 높았다.
• 시점 위치 문제(TLA)에서 68.4%로 MemOS(50.3%)를, 추론 생성 문제(IG)에서 37.9%로 Embedding RAG(22.2%)를 크게 앞섰다(GPT 설정).
• 근거에 다른 사람 정보가 섞인 비율이 0.0%로, 기준선의 12.2~27.3%보다 낮았다. 필요한 안전 사실 누락률도 1.1%로 기준선의 38.2~80.9%보다 낮았다. 환자 프로필을 빼면 누락률이 49.4%로 올랐다.
• 10개 체크포인트 모두에서 평균 정확도가 가장 높았다. 이력이 길어진 뒤 같은 초기 질문을 다시 풀어도 성능 하락이 유의하지 않았다.

한계

평가는 MedMemoryBench 한 벤치마크와 LLM 판정자(claude-sonnet-4-5)에 의존한다. 다단계 임상 추론(MCD)에서는 GPT 설정 15.1%로 Embedding RAG(17.2%)보다 낮았다. 상태 갱신(SUA)에서도 Mem0(63.0%)보다 낮았다. Qwen 설정에서는 BM25만 쓴 변형(46.2%)이 전체 방법(46.1%)과 비슷해, dense 검색을 결합한 효과가 뚜렷하지 않다. 실패 유형 분석은 150개 오답 표본에 기반한다.

의미

의료처럼 상태가 계속 바뀌고 안전 정보 누락이 위험한 분야에서는 단순 유사도 검색 메모리로 부족하다. 이 논문은 '누구의 사실인가', '언제 유효한가', '안전 정보를 항상 노출할 것' 같은 도메인 요구를 메모리 구조에 직접 넣었다. 장기 대화 에이전트 설계에 참고할 만한 사례다.

핵심 용어

장기 메모리(Long-term Memory)

LLM 에이전트가 여러 세션에 걸친 대화 내용을 저장했다가 나중 질문에 필요한 근거를 꺼내 쓰는 외부 저장 구조다.

Supersede 체인

같은 환자의 같은 임상 항목 기록을 시간 순서로 이은 구조다. 새 기록이 이전 기록을 대체해도 과거 상태가 남아, 특정 시점의 상태를 조회할 수 있다.

주체 귀속(Subject Attribution)

대화에 나온 건강 정보가 환자 본인 것인지 가족 등 다른 사람 것인지 구분해 연결하는 작업이다.

RRF(Reciprocal Rank Fusion)

BM25와 dense 검색처럼 서로 다른 검색 결과의 순위를 역순위 점수로 합쳐 하나의 순위를 만드는 방법이다.

원문

• arXiv 초록
• PDF
• HTML 본문
• Hugging Face

저자: Donghua Zhang, Zizheng Wang, Ze Dong, Yiding Feng, Siyu Qian · 게시 2026-11-05 · 라이선스 arXiv 비독점 배포 라이선스 · 본문 기준 분석

이 리뷰는 AI가 논문을 읽고 작성한 요약이며, 정확한 내용은 원문을 기준으로 확인해 주세요.