Development of a Clinical Note Generation Model using Fine-Grained Clinical Facts for High-Risk Error Reduction
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113780
과학기술정보통신부
한국연구재단
경희대학교산학협력단
성무진
7명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
6,419만원
6,419만원
기초연구
대학
경기도 용인시
정보/통신 > 정보이론 > 프로그래밍 언어/자연어 처리
본 연구의 최종 목표는 고위험 임상오류 감소를 위한 세부 임상사실 기반 임상 노트 생성 모델 개발임. 세부 임상사실 단위 오류 탐지 모델 C-FactCheck, 노트 수준 오류 평가 지표 C-FactScore, 세부 임상사실별 선호학습 기반 오류감소형 생성 모델 C-NoteGen, 보정 신뢰도 기반 우선 검수 체계를 개발하여 안전한 임상 노트 생성 기반을 ...
본 연구는 3년간 오류 탐지·평가, 오류감소 학습, 신뢰도 기반 우선 검수 단계로 수행함. 1년차에는 공개 임상 대화-노트 데이터와 상용·공개 LLM 생성 결과를 활용하여 세부 임상사실 기반 오류 탐지 모델 C-FactCheck와 노트 수준 오류 점수 C-FactScore를 개발함. 2년차에는 C-FactCheck의 오류 위치·유형·근거 발화 신호와 전문가...
본 연구성과는 임상 노트 초안 생성, 고위험 오류 평가, 의료진 검수 우선순위 제시에 활용 가능함. 병원 정보시스템 및 의료 AI 서비스의 문서 자동화와 품질 관리에 적용하고, 세부 임상사실 기반 오류 탐지-학습-검수 통합 구조를 통해 신뢰 가능한 의료 AI 확산에 기여함.