인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
본 연구는 서울대학교병원이 제공하는 질병 정의 데이터를 기반으로 한국어 의료 질의응답(QA) 시스템을 구축하고, 검색 증강 생성(RAG: Retrieval-Augmented Generation) 구조의 효과를 실증적으로 평가하는 것을 목적으로 한다. 기존의 의료 QA 시스템은 대부분 영어 데이터를 기반으로 하거나, 한국어 환경에 맞는 외부 지식 결합 방식이 미흡하여 높은 정확도와 신뢰성을 요하는 의료 분야에서 실질적 활용에 한계를 지녀왔다. 이에 본 연구는 한국어 환경에 최적화된 RAG 기반 QA 시스템을 설계하고, 그 성능을 다양한 대형 언어모델을 통해 정량적으로 비교·분석하였다. 실험에 사용된 언어모델은 GPT-3.5 Turbo, GPT-4o, LLaMA 2 7B 등으로 구성되었으며, 동일한 질의에 대해 RAG 적용 여부에 따른 응답 결과를 수집하고 비교하였다. 서울대학교병원이 공식 제공하는 질병 정의 데이터를 기반으로 고품질의 외부 지식베이스를 구축하였으며, 이를 기반으로 한 RAG 구조와 내부 지식만을 활용한 Non-RAG 구조의 QA 시스템을 병렬적으로 구현하였다. 응답 평가에는 BLEU, 정확도(Accuracy), F1 Score, ROUGE, METEOR, 의미 유사도 등 총 여섯 가지의 정량 지표를 적용하여, 각 모델 및 구조의 응답 품질을 다각도로 측정하였다. 실험 결과, 전반적으로 RAG 구조를 적용한 시스템이 문장 표현력, 정보 정합성, 문맥 일관성 등에서 Non-RAG 시스템 대비 뚜렷한 성능 향상을 보였다. 이러한 결과는 RAG 구조가 단순히 응답 정확도를 높이는 것을 넘어, 의료 QA 시스템의 수용성과 실용성을 향상시키는 효과적인 기술임을 입증한다. 본 연구는 한국어 기반의 의료 QA 시스템에 특화된 실증적 분석을 통해, RAG 기술이 실제 의료기관 및 디지털 헬스케어 플랫폼에 적용 가능한 현실적 기반이 될 수 있음을 제시하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092903279
