Proprietary Know-how

주개발자: 김광일
주제: 정신건강/상담대화

개요
본 기술은 대형 언어 모델을 활용하여 사용자의 임상 상태를 반영하고 의학적 근거를 기반으로 정신 건강 상담 응답을 생성하는 프레임워크이다.
기존 LLM 기반 상담 시스템은 사용자의 임상 상태 반영 부재로 적절한 대응 방식을 선택할 수 없으며 이는 부적절한 조언을 제공할 위험이 있다. 또한, 모델 내부 지식만을 활용한 응답으로 환각(Hallucination) 현상 발생 위험이 있어 부정확한 의료 정보를 제공할 수 있다는 한계가 존재한다.
본 연구실은 이러한 문제를 해결하기 위해 사용자의 임상 상태를 예측하여 맞춤형 대응 전략을 매칭하고, 의료 지식그래프(KG)와 의학 문헌을 검색 증강 생성(RAG) 파이프라인으로 결합하여 정신 건강 상담 응답의 임상적 타당성과 안정성을 보장하는 기술을 연구하고 있다.
실험 결과, 제안하는 프레임워크는 정신 건강 상담 전문가가 제안한 세 가지 평가 지표인 공감성(Empathy), 논리적 일관성(Logical Coherence), 지도력(Guidance) 전반에서 기존 기준선 모델의 성능을 일관되게 상회하였다. 특히 기존 거대 언어 모델이 가장 취약했던 지도력(Guidance) 지표에서 일반 Zero-shot 환경 대비 최대 30.9%의 성능 향상을 기록하며 도메인 특화 파인튜닝 모델의 성능마저 상회하여 기술의 임상적 타당성과 우수성을 실증하였다.


핵심 기술

• 사용자 텍스트 기반 임상 상태 분류
  
• 임상 상태 및 텍스트 기반 의학 트리플 추출
  
• 추출 트리플 기반 PubMed 근거 문헌 검색

연구 실적
학회: SCIE 준비중