본 연구는 구조화되지 않은 병리 보고서에서 병기(staging)를 추출하는 문제를 해결하기 위해, 대규모 언어 모델(LLM)이 도메인 특정 규칙을 유도하고 적용하도록 설계된 두 가지 지식 추출(Knowledge Elicitation) 방법을 제시한다. 첫 번째 방법인 KEwLTM은 비(un)주석된 병리 보고서로부터 반복적인 프롬프팅 전략을 사용하여 병기 규칙을 직접 도출한다. 두 번째 방법인 KEwRAG는 검색 증강 생성(RAG)의 변형을 활용하여, 관련 지침에서 미리 추출된 규칙을 적용하여 해석 가능성을 높이고 반복적인 검색 오버헤드를 방지한다. TCGA 데이터셋의 유방암 병리 보고서를 사용하여 두 가지 오픈 소스 LLM에서 T 및 N 단계를 식별하는 성능을 평가했다. KEwLTM과 KEwRAG는 모두 유도된 규칙을 명시적으로 만들어 투명하고 해석 가능한 인터페이스를 제공한다.
