합성 임상 텍스트 생성: 체계적 문헌 연구

합성 임상 텍스트 생성은 임상 자연어 처리(NLP) 분야의 데이터 희소성 및 개인 정보 보호 문제에 효과적인 해결책을 제시합니다. 본 연구는 합성 의료 자유 텍스트 생성에 대한 체계적인 문헌 검토를 수행했으며, 생성 목적, 활용 기술, 평가 방법에 대한 세 가지 연구 질문을 중심으로 정량적 분석을 수행했습니다. PubMed, ScienceDirect, Web of Science, Scopus, IEEE, Google Scholar, arXiv 등 주요 데이터베이스에서 합성 의료 비정형 자유 텍스트 생성 관련 문헌을 검색하여 총 1,398개 중 94개의 관련 논문을 식별했습니다. 특히 2018년 이후 합성 의료 텍스트 생성에 대한 관심이 크게 증가했으며, 주로 텍스트 증강, 보조 작문, 코퍼스 구축, 개인 정보 보호, 주석 및 유용성 향상을 목적으로 했습니다. 생성 기술로는 GPT를 포함한 트랜스포머 아키텍처가 주로 사용되었습니다. 평가 방법은 유사성, 개인 정보 보호, 구조, 유용성 네 가지 측면으로 나뉘었으며, 이 중 유용성이 가장 빈번하게 사용된 평가 방식이었습니다. 생성된 합성 의료 텍스트는 다양한 다운스트림 NLP 작업에서 실제 의료 문서 역할을 할 가능성을 보였으며, 데이터 증강 및 보완을 통해 정확도 향상과 희소성 문제를 극복하는 데 큰 도움이 되었습니다. 그러나 개인 정보 보호는 여전히 합성 의료 텍스트 생성의 주요 과제이며, 민감한 정보 존재 여부를 확인하기 위한 추가적인 인간 평가가 필요합니다. 그럼에도 불구하고, 합성 의료 텍스트 생성 기술의 발전은 데이터 전송의 복잡한 법적 절차를 단축시켜 워크플로우 및 파이프라인 개발을 크게 가속화할 것입니다.