본 논문은 방사선과 보고서의 Findings 섹션으로부터 Impression 섹션을 자동으로 생성하는 모델인 CSTRL(Context-driven Sequential TRansfer Learning)을 제안합니다. 의학 분야의 전문 용어와 정확한 임상적 맥락의 필요성으로 인해 일반적인 요약 모델을 의료 영역에 적용하는 데 어려움이 있음을 지적하며, 이를 해결하기 위해 핵심 정보 추출, 맥락 전환 방지, 적절한 흐름 유지를 보장하는 순차적 전이 학습을 도입했습니다. Fisher matrix regularization을 사용하여 초기 파라미터 감소 및 지식 손실 문제를 해결했으며, MIMIC-CXR 및 Open-I 데이터셋을 사용하여 실험한 결과 기존 연구 대비 BLEU 및 ROUGE 점수에서 상당한 성능 향상을 달성했습니다. 의학적 맥락을 유지하면서 사실적 일관성 점수도 분석했습니다. 코드는 공개적으로 제공됩니다.
