한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

LLM을 활용한 질환 예측 방법

Disease Prediction Method Using LLM

  • 이하은 (성신여자대학교 컴퓨터공학과) ;
  • 신혜지 (성신여자대학교 컴퓨터공학과) ;
  • 한다경 (성신여자대학교 컴퓨터공학과)
  • Ha-Eun Lee (Dept. of Computer Engineering, Sungshin Women's University) ;
  • Hyeji Shin (Dept. of Computer Engineering, Sungshin Women's University) ;
  • Da-Gyeong Han (Dept. of Computer Engineering, Sungshin Women's University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 대규모언어모델(LLM)을 활용한 질환 예측 방법을 연구하고, 프롬프트 엔지니어링을 최적화하여 진단 정확도를 향상시키는 방법을 모색하였다. 사용자 프롬프트에 제공되는 정보 유형(예: 통증 위치, 통증 유발 행동)이 진단 성능에 미치는 영향과 프롬프트 기법이 모델의 일관성 및 신뢰성을 개선하는 효과를 분석하였다. 실험 결과, 특정 정보 유형이 포함될 시 진단 정확도가 높은것을 밝혀냈으며, 프롬프트 기법을 통해 4.83점(5점 만점)의 진단 정확도와 93.3% 이상의 일관된 결과를 도출할 수 있었다. 이 연구는 LLM의 의료 진단 활용 가능성을 제시하며 향후 연구 방향에 대한 기초를 제공한다.

키워드

과제정보

본 논문은 과학기술정보통신부 대학디지털교육역량강화 사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물입니다.

참고문헌

  1. Kanjee Z, Crowe B, Rodman A. Accuracy of a Generative Artificial Intelligence Model in a Complex Diagnostic Challenge. JAMA. 2023;330(1):78-80. doi:10.1001/jama.2023.8288
  2. 한동근, 최승빈, 김보성, 배성민, 송성민, 신병철, 박세진*. 대규모 언어 모델(LLM)의 종류별 프로그래밍 성능 비교. 대한전자공학회 하계학술대회. 2024.2553-2557
  3. 강혜란, 박성식, 김학수. 의료 질문 응답 시스템의 성능 향상을 위한 프롬프트 엔지니어링 연구. 한국컴퓨터종합학술대회. 2024. 513-515