Distilled LLM을 활용한 불확실성 인식 구조화 데이터 추출 (Uncertainty-Aware Structured Data

요약

본 논문은 자유 텍스트 형태의 심장 자기공명영상(CMR) 보고서를 구조화된 데이터로 변환하고, 각 필드에 신뢰도를 할당하는 경량 프레임워크인 CMR-EXTR을 제안합니다. 이 시스템은 교사-학생 증류 기법을 사용하여 수동 주석 작업의 부담을 줄이면서도 완전한 오프라인 추론을 가능하게 합니다. 특히, 분포 개연성, 샘플링 안정성, 교차 필드 일관성이라는 세 가지 원칙을 통합하여 불확실성을 인식함으로써, 인간 검토가 필요한 부분을 효과적으로 식별하고 높은 정확도를 달성했습니다.

핵심 포인트

• CMR-EXTR은 자유 텍스트 CMR 보고서를 구조화된 데이터로 변환하는 경량 프레임워크입니다.
• 교사-학생 증류(Teacher-Student Distillation) 파이프라인을 사용하여 효율적인 학습과 오프라인 추론을 구현했습니다.
• 불확실성 인식 메커니즘은 분포 개연성, 샘플링 안정성, 교차 필드 일관성을 통합하여 신뢰도를 측정합니다.
• 99.65%의 변수 수준 정확도를 달성했으며, 신뢰도 추정 기능이 통합된 최초의 CMR 특화 추출 시스템임을 강조했습니다.