KG 및 LLM 지식 강화 소아 질환 지능형 진단에 관한 연구

소아 질환은 복잡하고 다양한 특성으로 인해 진단이 어려운 경우가 많습니다. 의사들이 진단을 돕고 정보에 기반한 결정을 내릴 수 있도록 이 논문에서는 지식 그래프와 대규모 언어 모델 지식 강화(KLKE) 지능형 진단 모델을 제안합니다. 지능형 진단 작업은 원래의 전자 의료 기록을 MacBERT 모델 인코더에 입력하여 키 정보 강화와 KG 기반 LLM 강화 후의 맥락적 표현을 얻는 텍스트 분류 작업으로 처리됩니다. 최종 텍스트 표현은 강화된 표현들을 연결하고 합치는 방식으로 얻어집니다. 그래프 합성곱 신경망(Graph Convolutional Network)을 사용하여 지식 표현을 얻고 두 표현은 상호 주의 메커니즘에 기반한 융합 방법을 사용하여 융합됩니다. PeEMR을 사용하여 실험을 수행하고, 트리플 및 그래프 구조만 융합하는 모델과 비교했습니다. KLKE는 각각 F1ₘicro 점수에서 9.15% 및 2.28%의 증가를 달성했습니다.