거대언어모델을 활용한 의료정보 처리 방법론 연구 : 중입자가속기 암 치료 실증 사례

국문 초록 (Abstract)

중입자가속기 치료는 암 환자에게 기존 방사선치료보다 더 정밀하고 효과적인 치료법으로, 암세포를 강력하게 제거하면서도 정상조직에 미치는 손상을 최소화하는 장점이 있다. 이 치료법의 적합성을 판단하기 위해서는 암 진단 정보를 기반으로 데이터를 추출하고 분석하는 과정이 필수적이다. 본 연구에서는 거대언어모델(LLM)을 활용하여 의료정보 분석자의 질의에 적합한 정보를 환자의 의무기록지에서 자동으로 추출하는 방법을 제안한다. 이를 위해 환자의 의무기록지를 광학문자인식(OCR) 기술을 통해 데이터베이스화하고, 검색증강생성(RAG) 기법을 적용하여 LLM의 답변 정확도를 향상시켰다. 실제 환자 의무기록지를 활용한 사례 연구에서 질의응답(QnA) 과정의 LLM 정확도를 계량화하고, 제안된 접근법이 특정 과제를 효과적으로 수행할 수 있음을 확인하였다. 아울러 환자의 개인정보 보호를 위해 암호화 기술을 적용한 안전한 데이터 활용 방안을 제시한다.
본 연구는 여러 전문가들의 귀중한 도움으로 가능했습니다. 특히, 국제가속기엔지어닝 주식회사 이효빈 대표님, 중앙대학교 대학원 박인선 교수님, 박호현 교수님, 서울시립대학교 최호식 교수님, 크립토랩 신성철 이사님, 박동석 연구원님께 깊은 감사를 드립니다.

다국어 초록 (Multilingual Abstract)

Proton beam therapy offers cancer patients a more precise and effective treatment option compared to conventional radiation therapy, as it eliminates cancer cells with high accuracy while minimizing damage to surrounding healthy tissues. Assessing the suitability of this treatment requires extracting and analyzing data based on cancer diagnostic information. In this study, we propose a method for automatically extracting relevant information from patients' medical records using Large Language Models (LLMs) tailored to the queries of medical information analysts. To achieve this, patient medical records were digitized using Optical Character Recognition (OCR) technology, and a Retrieval-Augmented Generation (RAG) technique was applied to improve the response accuracy of LLMs. A case study involving real patient medical records demonstrated the quantification of LLM accuracy in a question-and-answer (QnA) process, confirming the proposed approach's effectiveness for specific tasks. Additionally, a secure data utilization strategy incorporating encryption technologies was presented to ensure the protection of patients' personal information.
This study was made possible through the invaluable support of numerous experts. In particular, we extend our deepest gratitude to Mr. Hyo Bin Lee, CEO of International Accelerator Engineering Co., Ltd.; Professor In Sun Park of Chung-Ang University Graduate School; Professor Ho Hyun Park; Professor Ho Shik Choi of Seoul City University; Mr. Sung Chul Shin, Director at CryptoLab; and Researcher Dong Seok Park.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구 배경과 목적 1
• 제2절 연구 범위와 방법 4
• 제2장 이론적 고찰과 선행 연구 5
• 제1절 중입자가속기 치료 현황 5
• 제2절 의료 데이터 현황 11
• 제3절 광학문자인식 13
• 제4절 거대언어모델 현황 16
• 제3장 연구설계 29
• 제1절 연구가설 29
• 제2절 연구방법 설계 38
• 제4장 실증연구 41
• 제1절 탐색적 데이터분석 41
• 제2절 광학문자인식 45
• 제3절 RAG기반 LLM 성능 비교 55
• 제5장 결론 63
• 제1절 연구의 결론 및 시사점 63
• 제2절 연구의 한계 및 추후 연구 방향 66
• 참고문헌 68
• 부록1: 정보보호(개인정보보호법, 프라이버시 강화기술) 71
• 부록2: 개인 의료 정보 수집 및 활용 동의서 77
• 국문초록 79
• Abstract 81