1. 연구 배경21세기 치료법(Cures Act, 2021.04.05 시행):환자가 자신의 건강 기록(예: 방사선 보고서)에 전자적으로 즉시 접근할 수 있도록 의무화.문제점:방사선 보고서는 의학 전문 용어가 많아 환자가 이해하기 어려움.의사의 설명 전에 보고서를 보면 환자가 불안·오해를 일으킬 수 있음.의료진에게 전화 문의 증가 → 시간 소모 및 소진(burnout)**으로 이어질 수 있음.현황:미국 성인의 평균 독해 수준은 8학년 수준.하지만 방사선 보고서 중 이 수준으로 읽을 수 있는 것은 4%에 불과.필요성:환자가 이해할 수 있도록 쉽게 풀어주는 자동화된 설명 도구 필요.대규모 언어 모델(LLM)이 그 해결책이 될 수 있음.2. 연구 목적GPT-4와 RadGraph를 활용하여 방사선 보고서를 환자 ..

1. 연구 배경영상의학 보고서는 환자 진료 과정에서 핵심적인 역할을 하지만, 대부분 비정형(unstructured) 텍스트 형태로 작성되어 임상 연구와 전산화된 응용에 직접 활용하기 어렵습니다.언어적 특성: 전문 용어, 복잡한 수식어, 불명확한 서술 포함.기존 자동화의 한계: 특정 질환 여부 분류는 가능했지만, 개별 임상 개체(entity)와 관계(relation) 수준의 구조적 정보 추출에는 부족.전문가 주석 비용: 고도의 도메인 지식을 가진 영상의학 전문의의 참여가 필요해 비용·시간 부담이 큼.기존의 대표적 데이터셋인 RadGraph-1.0은 흉부 X-ray 보고서만을 다루고 있어 CT, MRI 등 다양한 modality에는 적용할 수 없다는 제한이 있었습니다.2. 기존 연구 동향대규모 라벨링 데이터..