Unstructured Medical Data Entry System using Gaussian Probabilities and Large Language Models

최근 AI 및 IT 기술의 발전에 따라 의료 분야에서도 데이터 입력 및 처리와 같은 업무 영역에 이러한 기술들을 도입하려는 시도가 이루어지고 있다. 그러나 기존 시스템은 문맥이 없는 비정형 데이터나 실시간 자연어 입력을 효과적으로 처리하지 못하는 한계가 있다. 본 연구는 이러한 한계를 해결하기 위해, LLM 기반 프롬프트 엔지니어링에 수치형 필드의 가우시안 확률 정보를 결합한 구조화 방법론을 제안한다. 실험에서는 COVID, Diabetes 2개 데이터 세트와 5개의 LLM 모델로 혼합 입력, 불완전한 입력 등 다양한 환경에서의 실험을 통하여 제안 방법의 강건성을 확인하였다. 특히, COVID, Diabetes 데이터 세트에서 기존 방식 대비 제안 방식의 성능이 각각 평균 26.11%와 49.06% 개선되었다. 이를 통해, 본 연구는 기존 연구들과는 달리 문맥 없는 비정형 의료 입력 데이터를 구조화된 데이터로 변환하는 방향성을 제시한다.