목적: 임상 연구에서 정확한 데이터 수집과 분석은 특히 암 연구에서 비구조화된 의무기록으로부터 정보를 추출하는 데 있어 결정적으로 중요하다. 전통적인 방법은 종종 이 과업을 수행하는 데 어려움을 겪는다. 자연어처리(NLP)에 특화된 대규모 언어 모델(LLM)인 ChatGPT(OpenAI)와 같은 모델은 이 과정을 자동화할 가능성을 보여준다. 본 연구는 GPT-4가 대장암(CRC)의 임상적 병기(clinical stage)를 영상 판독 보고서에서 정확하게 추출할 수 있는지 평가하였다. 방법: 미국암연합회(American Joint Committee on Cancer) TNM 병기 체계에 기반한 특정 프롬프트를 사용하여, GPT-4를 100명의 CRC 환자의 비구조화 복부 영상 보고서에 적용하였다. 결과는 대장외과 종양 전문의가 평가하였고, 비전문가 데이터 관리자가 수동으로 추출한 데이터와 비교하였다. 결과: GPT-4는 병변 위치(96.0%)와 T(89.0%), N(90.0%), M(85.0%) 병기를 추출하는 데 높은 정확도를 보였으며, 전체 TNM 병기 추출 정확도는 69.0%였다. TNM 병기와 병변 위치를 함께 고려한 결합 정확도는 67.0%였다. 사람 데이터 관리자들은 TNM 병기 정확도는 유사했으나 병변-위치 정확도는 더 낮았다(76.0%). 보고서에서 병기가 직접적으로 언급되고 영어만 포함된 경우 더 높은 정확도가 관찰되었다. 결론: 본 연구는 적절한 프롬프트 엔지니어링을 동반한 LLM 기반 NLP가, 특히 영어만의 맥락에서 CRC 영상 보고서로부터 임상적 병기를 정확하게 추출할 수 있음을 확인한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.