신뢰할 수 있는 임상 분류를 위한 도메인 적응형 소규모 언어 모델

정확하고 일관된 응급 중증도 지수 (ESI) 할당은 자유로운 텍스트 기반의 분류 문서를 통해 발생하는 높은 변동성으로 인해 오분류와 워크플로우 비효율성을 초래하는 지속적인 도전 과제입니다. 본 연구는 오픈소스 소규모 언어 모델 (SLM) 이 임상 분류를 위한 신뢰할 수 있고, 사생활을 보호하는 의사결정 지원 도구로 활용될 수 있는지 평가합니다. 우리는 다양한 프롬프팅 파이프라인을 통해 여러 SLM 을 체계적으로 비교한 결과, 분류 서사의 간결한 요약인 임상 비니에트 (clinical vignettes) 가 가장 정확한 예측을 제공함을 발견했습니다. Qwen2.5-7B 라는 SLM 은 정확도, 안정성, 계산 효율성의 가장 강력한 균형을 보여주었습니다. 전문가가 선별하고 실버 표준 (silver-standard) 이자 소아 분류 데이터를 사용한 대규모 도메인 적응을 통해, 미세 조정된 Qwen2.5-7B 모델은 모든 기준선 SLM 과 고급 전용 대형 언어 모델 (LLM, 예: GPT-4o) 을 능가하며 불일치와 임상적으로 중요한 오류를 현저히 감소시켰습니다. 이러한 결과는 기관별 특화 SLM 이 신뢰할 수 있고 사생활을 보호하는 ESI 의사결정 지원을 위한 실현 가능성을 강조하며, 더 복잡한 추론 전략보다 표적 미세 조정의 중요성을 부각시킵니다.