본 논문은 의료 분야에서 개인정보보호에 민감한 전자 건강 기록(EHR) 검색에 적합한 기술인 검색 증강 생성(RAG) 모델인 MedRAG를 제안합니다. 기존 휴리스틱 기반 RAG 모델의 진단 정확도 및 특이도가 부족하다는 점을 해결하기 위해, 질병의 중요한 진단 차이를 포함하는 4단계 계층적 진단 지식 그래프(KG)를 구축하여 EHR 데이터베이스에서 검색된 유사 EHR과 동적으로 통합하고, 대규모 언어 모델 내에서 추론하는 방식을 사용합니다. 이를 통해 더욱 정확하고 특이적인 의사결정 지원을 제공하고, 개인 맞춤형 의료 의사결정을 향상시키기 위한 후속 질문을 사전에 제공합니다. 공개 데이터셋 DDXPlus와 탄톡센 병원에서 수집한 개인정보보호된 만성 통증 진단 데이터셋(CPDD)을 사용하여 MedRAG를 평가하고, 기존 RAG 방법과 성능을 비교하였으며, KG의 정보 통합 및 관계적 능력을 활용하여 오진율 감소에 있어 최첨단 모델보다 우수한 성능을 보였습니다.
