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 이용한 전자 건강 기록(EHR) 내 의료 개체명 인식(NER)에 대한 연구를 다룬다. GPT-4o와 DeepSeek-R1을 사용하여 제로샷, 퓨샷, 앙상블 등 다양한 프롬프트 엔지니어링 기법을 적용하여 질병, 검사, 치료 등의 의료 개체를 추출하는 성능을 비교 분석하였다. 그 결과, GPT-4o에 앙상블 기법을 적용한 경우 F1-score 0.95, 재현율 0.98을 달성하여 DeepSeek-R1을 능가하는 성능을 보였으며, 임베딩 기반 유사도 및 다수결 투표를 통한 앙상블 기법이 신뢰도 향상에 기여함을 확인하였다.

시사점, 한계점

•
시사점:
◦
LLM 기반 프롬프트 엔지니어링을 활용한 의료 NER에서 우수한 성능 달성 가능성 제시 (F1-score 0.95, recall 0.98).
◦
앙상블 기법을 통한 신뢰도 향상 및 성능 개선 효과 확인.
◦
GPT-4o의 의료 NER 분야 적용 가능성을 보여줌.
•
한계점:
◦
특정 LLM과 데이터셋에 대한 결과이며, 다른 LLM이나 데이터셋에 대한 일반화 가능성은 추가 연구 필요.
◦
앙상블 기법의 복잡성 및 계산 비용 증가.
◦
실제 임상 환경 적용을 위한 추가적인 검증 및 평가 필요.
👍
Made with Slashpage