PromptRad: 저자원 방사선 보고서 라벨링을 위한 지식 강화형 멀티 라벨 프롬프트 튜닝 (Prompt-Tuning)

요약

PromptRad는 데이터가 부족한 의료 환경에서 방사선 보고서를 효율적으로 라벨링하기 위해 제안된 지식 강화형 멀티 라벨 프롬프트 튜닝 방식입니다. UMLS Metathesaurus의 유의어를 활용하여 카테고리 표현을 풍부하게 하며, 마스크 언어 모델링 방식으로 문제를 재구성하여 적은 데이터로도 높은 성능을 구현합니다. 실험 결과, 매우 적은 학습 데이터만으로도 기존 미세 조정 방식 및 GPT-4와 경쟁할 만한 성능을 보였습니다.

핵심 포인트

• 저자원(low-resource) 환경에 최적화된 방사선 보고서 멀티 라벨 분류 기술
• UMLS Metathesaurus를 활용한 멀티 워드 버벌라이저로 카테고리 표현력 강화
• 추가 분류 레이어 없이 PLM을 직접 활용하여 데이터 효율성 극대화
• 복잡한 부정 패턴(negation patterns) 포착 능력 우수
• 단 32개의 학습 데이터만으로도 기존 베이스라인 및 대형 모델과 경쟁 가능한 성능 달성