본 논문은 임상 텍스트로부터의 자동 ICD 코딩에서 발생하는 희소 코드 불균형 문제를 해결하기 위해 고품질의 합성 퇴원 요약본을 생성하는 데이터 중심 프레임워크를 제안한다. 실제 발생 패턴, ICD 설명, 동의어, 분류 체계, 유사한 임상 노트 등을 활용하여 희소 코드를 중심으로 현실적인 다중 레이블 코드 세트를 구성하고, 이를 바탕으로 90,000개의 합성 노트를 생성하여 훈련 데이터의 분포를 확장한다. PLM-ICD 및 GKI-ICD 모델을 확장된 데이터셋으로 미세 조정하여 기존 SOTA를 소폭 능가하는 결과를 얻었다.
