Topic-aware Large Language Models for Summarizing the Lived Healthcare Experiences Described in Health Stories
Created by
Haebom
Category
Empty
저자
Maneesh Bilalpur, Megan Hamm, Young Ji Lee, Natasha Norman, Kathleen M. McTigue, Yanshan Wang
개요
본 연구는 대규모 언어 모델(LLM)이 흑인(AA) 이야기꾼의 서술을 통해 건강 불평등의 근본적인 요인과 개입 방안을 파악할 수 있는지 조사했습니다. 50개의 AA 경험담을 잠재 디리클레 할당(LDA) 기법으로 주제를 파악하고, LLM 기반 계층적 요약 접근 방식을 사용하여 각 주제별 이야기를 요약했습니다. GPT4 모델은 요약의 조작 여부, 정확성, 포괄성, 유용성을 평가했으며, 전문가의 평가와 비교하여 모델의 신뢰성을 검증했습니다.
시사점, 한계점
•
LDA와 LLM을 활용하여 AA 개인의 경험을 파악하고 요약하는 새로운 접근 방식을 제시하여, 헬스케어 연구와 임상 개선에 대한 가능성을 제시함.
•
GPT4 모델의 높은 평가와 전문가 평가와의 높은 일치도를 통해, LLM이 이야기 기반 데이터를 효율적으로 분석하고 유용한 통찰력을 제공할 수 있음을 입증함.
•
연구는 AA 이야기꾼의 서술에 국한되어 다른 인구 집단에 대한 일반화는 제한적일 수 있음.
