페삭 벤슨 기자 • 2025년 5월 13일
예루살렘, 2025년 5월 13일 (TPS-IL) — 네게브 벤 구리온 대학교 연구팀이 복잡한 의료 사례를 진단하는 AI 언어 모델의 능력을 테스트하기 위한 새로운 데이터베이스를 개발했습니다. 필라델피아에서 열린 인공지능 발전 협회에서 발표된 그들의 연구 결과는 GPT-4o와 같은 범용 모델이 의학을 위해 특별히 설계된 모델보다 더 효과적일 수 있음을 시사합니다.
전통적으로 AI 언어 모델은 시험 문제나 흔한 질병과 같은 간단한 의료 사례에 대해 테스트되었습니다. 그러나 이러한 모델은 의사들이 종종 직면하는 복잡하고 실제적인 사례에 대해서는 평가되지 않았습니다. 이러한 격차를 해소하기 위해 연구원들은 BMC Journal of Medical Case Reports에서 3,562건의 의료 사례 보고서를 수집하여 특이한 의료 사례와 그 진단에 대한 자세한 설명을 담은 데이터베이스를 구축했습니다. 사례는 실제 진단 시나리오를 모방하여 객관식 및 서술형 질문 모두를 사용하여 제시되었습니다.
결과는 놀라웠습니다. 범용 언어 모델인 GPT-4o는 Meditron-70B 및 MedLM-Large와 같은 의료 모델보다 이러한 복잡한 사례를 진단하는 데 더 뛰어난 성능을 보였습니다. GPT-4o는 객관식 질문에서 87.9%, 서술형 질문에서 76.4%의 정확도를 달성하여 전문 모델을 능가했습니다.
연구원 중 한 명인 오피르 벤 쇼함(Ofir Ben-Shoham)은 “GPT-4o와 같은 범용 모델이 의학에 맞춰진 모델보다 더 나은 성능을 보인다는 사실에 놀랐습니다.”라며 “대규모 언어 모델이 복잡한 의료 사례를 진단하는 데 사용될 수 있음을 보여주었습니다.”라고 말했습니다.
이 연구는 GPT-4o와 같은 AI 모델이 어려운 의료 상태를 더 효율적으로 진단하는 데 도움이 될 수 있음을 보여주기 때문에 중요합니다. 연구팀이 만든 CUPCase 데이터베이스는 향후 새로운 AI 모델을 테스트하는 데 귀중한 도구가 될 수 있습니다. 이 데이터베이스는 사용 가능하며 새로운 모델이 개발됨에 따라 추가 사례로 확장될 수 있습니다.
박사 과정 학생인 우리엘 페레츠(Uriel Peretz)는 “목표는 흔한 사례뿐만 아니라 실제의 복잡한 사례를 언어 모델이 얼마나 잘 진단하는지 평가할 수 있는 시스템을 만드는 것이었습니다.”라고 말했습니다.
연구팀의 또 다른 구성원인 나다브 라포포트(Nadav Rapoport) 박사는 복잡한 사례를 진단하는 것은 길고 불확실한 과정이 될 수 있으며, 이는 환자에게 지연과 더 높은 비용을 초래한다고 설명했습니다. CUPCase 데이터베이스는 상세한 실제 사례를 제공함으로써 이 과정을 가속화하고 환자 치료를 개선하는 데 도움이 될 수 있습니다.
이 연구는 주로 의료 진단의 속도와 정확성을 개선함으로써 의료 분야에 여러 가지 실질적인 응용 분야를 가지고 있습니다. GPT-4o와 같은 AI 모델은 의사가 복잡한 의료 사례를 더 신속하게 진단하는 데 도움을 주어 진단 지연을 줄이고 환자 결과를 개선할 수 있습니다. 실제 사례 모음을 특징으로 하는 CUPCase 데이터베이스는 특히 어렵거나 희귀한 사례에 대해 의사가 더 정확한 결정을 내리는 데 도움이 되는 귀중한 임상 의사 결정 지원 도구 역할을 할 수 있습니다.
또한 AI 모델은 의료 전문가를 훈련하는 데 도움이 될 수 있으며, 복잡한 진단 과정을 학습하기 위한 대화형 리소스를 제공합니다.
AI 기반 도구는 또한 전문가 수준의 진단 지원을 전문의가 제한적일 수 있는 서비스가 부족한 지역으로 확대할 수 있습니다. 중환자실 환경에서는 AI 모델이 실시간 진단 지원을 제공할 수 있습니다.
