# 배포 후에도 학습하는 의료 AI 프레임워크 제안

> 연구진이 실제 사례를 반영해 고정된 LLM과 VLM을 업데이트하는 모델 독립형 시스템을 제안했다. 의료 과제 성능을 최대 34% 높였다.

Oossa · 2026-10-08 · https://oossa.com/ko/new-framework-lets-frozen-medical-ai-models-keep-learning-after-deployment

Yexiao He가 이끄는 연구팀은 2026년 10월 8일, 고정된 대규모 언어 모델(LLM)과 비전-언어 모델(VLM)이 처리한 사례를 바탕으로 학습할 수 있도록 하는 프레임워크를 소개한 논문을 발표했다. 이 시스템은 세 가지 외부 전문 지식을 더한다. 추론을 위한 Skill, 사실 정보를 담는 Knowledge Memory, 시각적 사례를 제공하는 Multimodal Knowledge Base다. 새 사례가 이전 성능을 떨어뜨리지 않으면서 성능을 높일 때만 모델을 업데이트한다. 4개의 기반 모델을 사용해 6개 의료 벤치마크에서 시험한 결과, 성능이 최대 34.2% 향상됐다.

## 팩트

- 의료 과제에서 최대 34.2% 성능 향상
- 기반 모델 4개를 사용해 벤치마크 6개에서 평가

## 왜 중요한가

임상의는 비용이 많이 드는 재학습 없이도 새로운 지침을 반영하는 AI 도구를 활용할 수 있다.

## 출처 및 참고 자료

1. [Frozen Models, Evolving Expertise: Model-Agnostic Learning from Deployment Experience for Multimodal Medical AI](https://arxiv.org/abs/2610.09146) – arXiv, 2026-10-08

최종 업데이트: 2026-10-08