본 논문은 비정형 의료 데이터에서 중요한 정보를 추출하여 의사결정을 지원하는 새로운 프레임워크인 ConTextual을 제안합니다. 기존 연구들이 모든 토큰을 동일하게 처리하거나 휴리스틱 기반 필터에 의존하여 중요 정보를 간과하는 문제점을 해결하기 위해, ConTextual은 문맥 보존 토큰 필터링 방법과 도메인 특화 지식 그래프(KG)를 통합합니다. 이를 통해 문맥적으로 중요한 토큰을 보존하고 구조화된 지식으로 풍부하게 만들어 언어적 일관성과 임상적 신뢰도를 향상시킵니다. 두 개의 공개 벤치마크 데이터셋에 대한 실험 결과, ConTextual이 다른 기준 모델들을 능가하는 성능을 보임을 입증합니다. 토큰 수준 필터링과 구조화된 검색의 상호 보완적인 역할을 강조하며, 의료 텍스트 생성의 정확도 향상을 위한 확장 가능한 솔루션을 제공합니다.
