본 연구는 오픈소스 기반의 sLLM(small Large Language Model)인 LLaMA 2 7B를 이용하여 의료 질의응답 시스템 구축 가능성을 탐색하고, 그 성능을 향상시키기 위해 검색 증강 생성(RAG, Retrieval-Augmented Generation) 기법을 적용하는 실험을 실시하였다. 이를 위해 위키피디어의 질병 데이터를 외부 지식베이스로 활용하고, 사용자 질의에 의미 기반 검색을 한 후 관련 문서를 프롬프트에 포함하여 응답을 생성하는 구조를 실험하였다. 실험 결과, sLLM-RAG 적용 시 정확도는 0.733, BLEU 점수는 0.500으로 Non-RAG 대비 의미있는 성능 향상을 보였다. 특히 F1 점수의 향상은 재현율의 증대로 나타났으며, 이는 RAG 기법이 sLLM의 응답 능력을 실질적으로 향상시킬 수 있음을 시사한다. 본 연구는 첫째, RAG를 통해 소형 모델도 일정 수준의 응답이 가능함을 검증하였으며, 둘째, 위키피디어와 같은 오픈 데이터만으로도 의료 QA 시스템 구축이 가능함을 확인하였다. 셋째, 정량 평가 지표 기반의 실험 설계를 통해 후속 연구에 적용 가능한 RAG 구조와 분석 틀을 제시하였다. 이러한 결과는 학문적으로는 sLLM-RAG 구조의 이론 및 실증 연구 기반을 제공하며, 실무적으로는 비용 및 보안 측면에서 대형 모델 사용이 어려운 의료 및 공공기관에 효과적인 대안 기술로 활용될 수 있음을 보여준다. 향후 연구에서는 더 다양한 의료 지식베이스 확장, 멀티턴 대화 설계, RAG 구성 요소 최적화 등을 통해 시스템 고도화를 제안한다.