본 논문은 의료 응용 분야에서 대규모 언어 모델(LLM)의 신뢰성을 향상시키기 위해, 전자 건강 기록(EHR)을 기반으로 한 경험 검색 증강(ExpRAG) 프레임워크를 제안합니다. ExpRAG는 개방형 데이터셋의 일반적인 의학 지식뿐 아니라 실제 환자 경험에 기반한 임상 사례 지식을 활용하여 효과적인 의료 추론을 지원합니다. 이는 EHR 기반 보고서 순위 지정기를 이용하여 유사 환자를 효율적으로 식별하고, 이후 경험 검색기를 통해 과제 관련 콘텐츠를 추출하는 과정을 통해 이루어집니다. 본 논문에서는 진단, 약물, 지시 사항 과제에 걸쳐 1,280개의 퇴원 관련 질문으로 구성된 임상 QA 데이터셋 DischargeQA를 소개하고, ExpRAG의 성능을 평가합니다. 실험 결과, ExpRAG는 텍스트 기반 순위 지정기보다 평균 5.2% 향상된 성능을 보이며, 사례 기반 지식의 중요성을 강조합니다.
