개인건강기록을 활용한 맞춤형 건강 AI의 유효성 평가

개인건강기록을 활용한 맞춤형 건강 AI

개인 관리형 개인건강기록(Patient-managed Personal Health Records, PHR)은 환자가 자신의 건강을 더 잘 이해할 수 있도록 권한을 부여하지만, 기록에 있는 정보는 복잡하여 통찰력을 방해할 수 있다. 이러한 문제를 해결하기 위해, 대규모 언어 모델(LLM)을 활용하여 개인건강기록을 분석하고, 환자 질문에 대한 도움이 되는 답변을 제공할 수 있는 연구가 진행되었다. 이 연구에서는 개인건강기록에서 클리닉 데이터를 컨텍스트로 제공하여 대규모 언어 모델의 잠재력을 평가하였다. 개인건강기록을 활용한 맞춤형 건강 AI의 유효성 평가를 위해, 총 2,257개의 사용자 질문이 3개의 분포에서 추출되었으며, 환자 질문을 대표한다. 질문은 1,945개 PHR의 비식별된 집합과 매치되었다. 대규모 언어 모델은 PHR 컨텍스트 없이, 기본적인 인구통계학, 질병, 약물 요약과 함께, 그리고 완전한, 광범위한 클리닉 노트와 함께 생성되었다. 이러한 방법으로, 연구진은 개인건강기록을 활용한 맞춤형 건강 AI의 효과를 평가할 수 있었다.

평가 결과

평가를 위해, 연구진은 기존의 평가 프레임워크와 새로운 프레임워크를 개발하여, PHR를 해석할 때 특정한 오류 모드를 평가하였다. 평가 결과, 모든 질문 유형에 대한 답변의 도움이 있는 점수에서 PHR 데이터와 함께 significnat improvements를 보았다. 이러한 결과는 개인건강기록을 활용한 맞춤형 건강 AI의 잠재력을 보여주며, 환자들의 건강 관리를 더 효과적으로 지원할 수 있는 가능성을 시사한다. 연구의 결과는 대규모 언어 모델과 개인건강기록을 결합하여, 환자들의 건강 관리를 개선하는 데 기여할 수 있을 것으로 기대된다.