신뢰성 지향 다국어 정형외과 진단: 도메인 적응 모델링 및 개념적 검증 프레임워크

요약

본 연구는 영어, 힌디어, 펀자비어 등 저자원이 있는 다국어 환경에서 정형외과 진단 지원의 신뢰성을 평가했습니다. 대규모 언어 모델(LLMs)은 높은 언어적 유창성을 보이지만, 구조화된 다국어 조건 및 특히 저자원 언어에서는 불안정한 보정(calibration)과 낮은 신뢰도를 나타내는 한계가 있음이 밝혀졌습니다. 따라서 연구진은 도메인 적응 전문화와 명시적인 검증 프레임워크를 결합한 개념적 결정론 에이전트 기반의 안전 시스템 구축을 제안합니다.

핵심 포인트

• LLMs는 언어 유창성은 뛰어나지만, 저자원 다국어 임상 환경에서 신뢰성 및 보정 측면에서 불안정성을 보인다.
• 도메인 적응(Domain Adaptation) 전문화가 교차 언어적 판별력과 예측 가능한 신뢰도 행동을 크게 개선한다.
• IndicBERT-HPA와 같은 전문화된 아키텍처는 일반적인 LLM보다 구조화된 진단 분류에서 일관되고 강력한 성능을 보인다.
• 신뢰할 수 있는 다국어 임상 지원 시스템 구축을 위해 증거 확인, 언어 민감 검증 및 인간 개입(Human-in-the-Loop) 게이팅이 필수적이다.