Lowest Level Term Recommendation in MedDRA-Based Medical Coding Using Subword Tokenization

임상시험에서 연구자가 입력한 시험 대상자의 병력과 이상반응을 보고 용어(Reported Term, RT)라 한다. 같은 증상도 연구자마다 다르게 표현하므로 RT를 국제 표준 의학 사전인 MedDRA의 최하위 용어(Low-Level Term, LLT)로 매칭하는 의료 코딩 과정이 필수적이다. 영어권 시스템이 있으나 국내 연구는 한국어와 영어 혼용 문제가 있어, 본 연구는 한국어를 포함한 RT를 LLT로 변환하는 방법을 제안한다. 국내 임상시험에서 수집한 RT-LLT 쌍 4,398개를 학습 데이터셋으로 구축하였고, 다중 언어, 띄어쓰기, 오타 및 구둣점 등 잡음을 처리하기 위해 서브워드 토큰화 알고리즘인 SentencePiece와 WordPiece 기법을 적용하였다. 학습 단계에서 생성한 토큰 사전으로 새로운 RT를 분절하고 매칭 점수에 따라 top-k LLT를 추천하는 알고리즘을 구현했으며, 테스트 결과 평균 5개 후보 중 정답 LLT가 포함됨을 확인했다.