의료 증상 자동 트래킹을 위한 프롬프트 엔지니어링 프레임워크 설계
- 주제(키워드) 프롬프트 엔지니어링 , LLM , GPT , 의료 증상 자동 트래킹 , 인공지능 , 자연어 처리
- 주제(DDC) 004.6
- 발행기관 아주대학교 일반대학원
- 지도교수 김재훈
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 석사
- 학과 및 전공 일반대학원 AI융합네트워크학과
- 실제URI http://www.dcollection.net/handler/ajou/000000033656
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
현대 사회에서 만성 질환의 증가는 환자들의 증상을 지속적으로 모니터링하고 추적하는 것의 중요성을 높이고 있다. 이러한 변화는 합병증 예방과 건강 관리를 위한 통합 시스템의 필요성을 증대시키고 있으며, 환자와 의료 제공자 간의 원활한 의사소통의 중요성을 강조한다. 본 논문에서는 의료 증상을 자동으로 추적하기 위한 프롬프트 엔지니어링 프레임워크를 제안한다. 이 프레임워크는 GPT와 같은 대규모 언어 모델을 활용하여 개발된 새로운 의료용 챗봇을 통해 증상 추적의 정확성과 신뢰성을 향상시킬 수 있다. 이를 통해 환자 개인의 건강 상태에 대한 실시간 데이터를 제공하고, 의료 전문가들이 더 정확한 진단과 치료 계획을 수립할 수 있도록 지원한다. 또한, 환자와 의료 제공자 간의 의사소통을 원활하게 하여, 환자가 자신의 건강 상태를 더 잘 이해하고 관리할 수 있도록 돕는다. 이는 의료 서비스의 접근성을 높이고, 의료 시스템 전반의 효율성을 개선하며 환자의 만족도와 참여도를 증가시킬 수 있다.
more목차
제1장 서 론 1
제2장 이론적 배경 3
제1절 대규모 언어 모델(LLM, Large Language Model) 3
제2절 프롬프트 엔지니어링(Prompt Engineering) 4
제3절 CTCAE(Common Terminology Criteria for Adverse Events) 5
제4절 PRO-CTCAE(Patient-Reported Outcomes version of the Common Terminology Criteria for Adverse Events) 7
제3장 연구 방법 8
제1절 모델 시나리오 작성 8
제2절 모델 프레임워크 구현 9
1. 구현 환경 9
2. 예상가능한 부작용에 대한 CTCAE 검사 프레임워크 11
3. 예상하지 못한 부작용에 대한 CTCAE 검사 프레임워크 16
4. 통증 관련 검사 프레임워크 20
제4장 연구 결과 24
제1절 CTCAE 검사 수행 · 24
제2절 Router Chain 구현 26
제3절 통증 관련 검사 수행 28
제4절 의료진 피드백 29
제5장 결론 및 한계 30
참고문헌 · 32
