SMART-MDR: Stacked Multimodal Architecture with Robust Text-Tabular Data for Medical Department Recommendation

본 연구는 환자의 주관적 증상 텍스트와 정형 데이터를 융합하여 최적의 진료과를 추천하는 멀티모달 추천 시스템을 제안한다. 국민건강보험공단에서 제공하는 289만여 건의 진료내역 데이터를 기반으로 주요 상병코드 및 진료과 데이터를 수집하고, 이를 학습 데이터로 사용하였다. 데이터 전처리 과정에서 불필요한 진료과를 제거하고, 대규모 언어 모델(LLM)을 활용해 데이터 증강을 수행하여 데이터의 품질을 향상시켰다. 제안된 모델은 KM-BERT와 XGBoost 기반의 이중 트랙구조로 설계되었으며, 최종 예측에는 CatBoost 기반 Stack-Ensemble 모델을 적용하였다. 실험 결과, 제안된 모델은 기존 단일 모델에 비해 정확도와 F1-Score가 각각 0.748, 0.732를 보였다.