본 논문은 심혈관 질환(CVD)의 조기 진단 및 정확한 위험 요인 분석을 위해 대규모 언어 모델(LLM)을 활용한 새로운 임상 NLP 파이프라인을 제시합니다. 기존의 구조화된 데이터 기반 예측 모델과 달리, 비구조화된 임상 기록의 자유 텍스트에서 증상 추출, 문맥적 추론, 상관관계 분석을 수행합니다. 심혈관 질환 특화 미세 조정, 프롬프트 기반 추론, 개체 인식 추론을 통합하여 MIMIC-III 및 CARDIO-NLP 데이터셋에서 정밀도, 재현율, F1 점수, AUROC 향상을 보였으며, 심장 전문의 평가를 통해 높은 임상적 관련성(kappa = 0.82)을 확인했습니다. 문맥적 환각 및 시간적 모호성 문제는 프롬프트 엔지니어링과 하이브리드 규칙 기반 검증을 통해 해결했습니다. 이 연구는 LLM이 임상 의사결정 지원 시스템(CDSS)에서 조기 경고 시스템 개선 및 환자 기록의 위험 평가 정보로의 전환을 향상시킬 수 있는 잠재력을 보여줍니다.
