Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LLM-based Prompt Ensemble for Reliable Medical Entity Recognition from EHRs

Created by
  • Haebom

저자

K M Sajjadul Islam, Ayesha Siddika Nipu, Jiawei Wu, Praveen Madiraju

개요

본 논문은 대규모 언어 모델(LLM)을 활용한 전자 건강 기록(EHR) 내 의료 개체명 인식(NER)에 대한 연구를 다룬다. 특히 GPT-4o와 DeepSeek-R1을 사용하여 제로샷, 퓨샷, 앙상블 등 다양한 프롬프트 엔지니어링 기법을 적용하여 실험을 진행했다. 그 결과, GPT-4o에 앙상블 기법을 적용한 경우 F1 점수 0.95, 재현율 0.98을 달성하여 DeepSeek-R1을 능가하는 성능을 보였다. 앙상블 기법은 임베딩 기반 유사도 및 다수결 투표를 통해 신뢰도를 향상시켰다.

시사점, 한계점

•
시사점:
◦
LLM 기반 프롬프트 엔지니어링을 통해 EHR 내 의료 개체명 인식 성능을 향상시킬 수 있음을 보여줌.
◦
GPT-4o와 앙상블 기법의 조합이 우수한 성능을 달성함을 확인.
◦
임베딩 기반 유사도 및 다수결 투표를 활용한 앙상블 기법의 효용성 제시.
•
한계점:
◦
특정 LLM과 데이터셋에 대한 결과이므로 일반화 가능성에 대한 추가 연구 필요.
◦
다양한 의료 개체 유형 및 복잡한 임상 텍스트에 대한 성능 평가가 추가적으로 필요.
◦
실제 임상 환경 적용을 위한 추가적인 검증 및 최적화 필요.
👍
Made with Slashpage