HealthClaw: 장기 개인 건강 관리를 위한 자기 진화형 AI 에이전트

도입

개인 건강 관리는 한 번의 질의응답으로 끝나지 않는다. 식단, 운동, 복약, 수면, 검사 수치, 위험 요인은 반복되는 일상과 상담 속에서 계속 변한다. 하지만 많은 건강 AI 시스템은 여전히 매 요청을 독립적인 질문처럼 다룬다. arXiv에 공개된 논문은 이런 한계를 겨냥해 HealthClaw라는 오픈소스 에이전트 아키텍처를 제안했다. 핵심은 시간이 지나며 변화하는 개인 맥락을 통제된 장기 기억으로 관리하는 것이다.

핵심 요점

• 단발 응답에서 장기 지원으로: HealthClaw는 사용자의 루틴, 선호, 건강 측정값, 위험이 반복 상호작용 속에서 변한다는 전제를 바탕으로 설계됐다.
• 지식과 사적 기억의 분리: 시스템은 공통 안전 규칙 및 의료 지식을 개인의 장기 기억과 구분한다. 개인 기억에는 프로필 사실, 재사용 가능한 절차, 특정 사건의 에피소드 흔적이 포함된다.
• 상호작용 후 귀납적 갱신: 각 에피소드가 끝나면 새 정보가 프로필을 갱신해야 하는지, 절차를 수정해야 하는지, 에피소드로만 남아야 하는지, 또는 저장에서 제외해야 하는지를 판단한다.
• 성능 향상과 노출 감소: 900개의 장기 지원 프로브에서 현재 질문만 사용하는 프롬프트의 정확도는 0.2%였지만, HealthClaw는 45.7%를 기록했다. 전체 이력을 프롬프트에 넣는 방식과 비교하면 프롬프트 측 문맥 노출은 71.7% 줄었다.
• 개인정보 대응 개선: 100개의 프라이버시 프로브에서 HealthClaw는 두 기준선보다 개인정보를 고려한 답변 품질이 높았고, 안전하지 않은 공개도 더 적었다.
• 생물의학 과제에서도 이득: 9개 생물의학 과제에서 각각 200개 사례를 평가한 결과, 과제별 주요 지표의 평균 절대 향상은 27.0%포인트였으며, 7개 향상은 거짓발견율 보정 후에도 유의했다.

의미와 영향

이 연구가 다루는 문제는 건강 AI의 핵심 딜레마다. 사용자는 시스템이 자신을 기억하길 원하지만, 모든 민감한 과거 정보가 매번 프롬프트에 노출되는 것은 바람직하지 않다. HealthClaw의 차별점은 단순히 기억을 더 많이 저장하는 데 있지 않다. 어떤 정보가 안정적인 프로필이 되어야 하는지, 어떤 정보가 재사용 가능한 절차가 되어야 하는지, 무엇을 과거 에피소드로만 보관할지, 무엇을 저장하지 말아야 할지를 구분하는 거버넌스 구조에 있다.

이 접근은 의료뿐 아니라 금융, 교육처럼 민감한 개인 정보를 다루는 분야에도 시사점을 준다. 장기 개인화에는 기억이 필요하지만, 그 기억은 선택적이고 구조화되어야 하며 감사 가능해야 한다.

다만 결과 해석에는 주의가 필요하다. 평가는 합성된 1년 장기 벤치마크와 오프라인 생물의학 과제에 기반한다. 45.7%라는 정확도는 현재 질문 기반 방식보다 크게 개선된 수치지만, 임상 현장에 바로 배치할 수 있음을 뜻하지는 않는다. 논문 역시 임상적 유효성은 전향적 평가가 필요하다고 명시한다. HealthClaw는 완성된 의료 제품이라기보다, 장기 건강 AI 에이전트가 어떤 방식으로 기억을 다뤄야 하는지 보여주는 설계 실험에 가깝다.

출처: arXiv