본 논문은 의학 연구에서 중요한 역할을 하는 Case Report Forms (CRFs)의 자동 채우기를 위한 데이터셋 부족 문제를 해결하기 위해 기존 정보 추출 데이터셋을 CRF 형태로 변환하는 반자동 변환 방법론을 제시합니다. 이 방법론을 E3C 데이터셋(영어 및 이탈리아어)에 적용하여 새로운 고품질 CRF 슬롯 채우기 데이터셋을 생성하고, 해당 데이터셋을 이용한 실험 결과를 제시합니다. 실험 결과, 대규모 언어 모델(LLM)을 이용한 zero-shot 슬롯 채우기 성능은 이탈리아어 59.7%, 영어 67.3%를 달성하였으나, 다른 오픈소스 모델들의 성능은 저조하여 CRF 채우기 작업의 어려움을 보여줍니다. 생성된 데이터셋은 Hugging Face에 공개됩니다.
