방사선 보고서에서 "Impression" 섹션의 수동 작성이 방사선 전문의 번아웃의 주요 원인이라는 문제에 대응하기 위해, 저자들은 오픈 소스 대규모 언어 모델(LLM)을 활용하여 임상 소견으로부터 인상을 자동으로 생성하고 개인화하는 coarse-to-fine 프레임워크를 제안합니다. 이 시스템은 먼저 초안 인상을 생성한 다음, 기계 학습 및 인간 피드백 기반 강화 학습(RLHF)을 사용하여 개별 방사선 전문의의 스타일에 맞춰 사실 정확성을 보장하며 이를 개선합니다. LLaMA 및 Mistral 모델은 시카고 의과대학의 대규모 보고서 데이터 세트를 통해 미세 조정되었습니다. 이 접근 방식은 임상 정밀도의 높은 기준을 유지하면서 행정 업무량을 크게 줄이고 보고 효율성을 향상시키도록 설계되었습니다.
