대규모 언어 모델(LLM)을 이용한 종단적 합성 임상 기록 생성 파이프라인

합성 데이터(Synthetic data)는 실제 데이터에 대한 접근이 제한된 영역에서 AI 시스템의 개발 및 평가를 가능하게 하기 위해 점점 더 많이 사용되고 있습니다. 의료 분야에서는 임상 문서(clinical documentation)가 그 민감성으로 인해 특별한 어려움을 안겨줍니다. 본 연구는 실제 환자 데이터와 관련된 개인정보 보호 위험을 피하면서 임상 AI 도구의 개발을 지원하도록 설계된 합성 임상 기록(synthetic clinical notes) 파이프라인 및 데이터셋을 소개합니다. 이 데이터셋은 구조화된 환자 생성(structured patient generation), 반구조화된 환자 여정 시뮬레이션(semi-structured patient journey simulation), 그리고 대규모 언어 모델(Large Language Models, LLM)을 이용한 비구조화된 임상 기록 생성(unstructured clinical note generation)을 결합한 모듈형 파이프라인을 사용하여 생성됩니다. 이 파이프라인은 종단적 환자 기록(longitudinal patient records) 전반에 걸친 내부 일관성(internal consistency)을 우선시하도록 설계되었으며, 동시에 작성 스타일, 기록 구조 및 임상적 세부 사항의 변동성을 포착합니다. 생성된 기록의 충실도(faithfulness), 현실성(realism), 다양성(diversity)을 향상시키기 위해 LLM 기반 검증 및 증강(augmentation) 단계를 포함한 추가적인 메커니즘이 사용됩니다. 우리는 전체 병원 여정에 걸쳐 각각 20~50개의 임상 기록과 연결된 70명의 합성 환자 데이터셋을 공개합니다. 이 데이터셋은 여러 수준의 검증(validation) 단계로 제공되어, 사용자가 사용 사례에 따라 현실성과 확장성(scalability) 사이의 균형을 맞출 수 있도록 합니다. 이 데이터셋은 실제 환자 데이터에 의존하지 않고 요약 도구(summarisation tools), 코딩 모델(coding models), 의사결정 지원 시스템(decision support systems)을 포함한 임상 AI 시스템의 개발, 테스트 및 평가를 지원합니다.