RASPER, 하류 예측기 자체의 손실에 맞춰 퇴원 요약문을 훈련하다

전자 건강 기록의 비정형 퇴원 노트에는 표준화된 코호트 수준 코드로는 포착할 수 없는 환자별 근거가 담겨 있지만, 그 신호는 특정 예측을 염두에 두지 않고 작성된 길고 잡음이 많은 텍스트 속에 묻혀 있다. 요약화는 명백한 완화책이지만, 유창성에 맞춰 조정된 일반적 요약문은 그럴듯하지만 정보가 없는 세부 사항은 유지하면서 결정적인 근거를 일상적으로 생략한다.

RASPER는 요약기를 하류 임상 과제에 직접 맞춰 훈련한다. 예측 피드백으로부터의 강화 학습은 예측기의 손실에서 도출된 보상을 제공하고, 종단 인코더는 구조화된 코드를 각 환자의 임상 맥락을 반영하는 소프트 프롬프트로 변환한다. 결과 예측의 품질에 보상을 주면 요약기는 구조화된 코드를 중복하기보다 보완하는 근거를 유지하도록 압박받는다.

RASPER는 MIMIC-III와 MIMIC-IV 전반에 걸쳐 재입원 예측과 약물 권고에서 강력한 기준선들을 일관되게 능가했으며, 해당 논문은 EMNLP 2026 본회의에 채택되었다.

요약문을 읽기 위해서가 아니라 그것이 공급하는 결정을 위해 최적화하라

유창성 지향 목표는 예측을 뒤집는 단 하나의 세부 사항을 유지할 이유가 없다.

하류 예측기의 손실은 근거 유용성에 대한 직접적이고 자동적인 신호이다.

구조화된 코드로부터의 소프트 프롬프트는 요약문이 코드를 반복하는 대신 보완하도록 유지한다.

환자별 맥락이 중요하다. 동일한 노트라도 예측 과제가 다르면 서로 다른 요약문이 필요하다.

어떤 구성 요소가 하류 모델에 공급될 때는 일반적 품질 지표 대신 그 모델의 피드백에 맞춰 훈련하라. 유창성은 유용성이 아니다.

해당 논문은 MIMIC-III와 MIMIC-IV 전반에 걸쳐 재입원 예측과 약물 권고에서 강력한 기준선들 대비 일관된 향상을 보고하며, EMNLP 2026 본회의에 채택되었다.