의료 결정을 돕기 위해 LLMs가 지능적인 의사결정 지원 및 적응형 채팅 기반 보조기능을 통해 의료 분야를 혁신시키려는 노력이 진행 중이다. 그러나 LLM이 사실적이지 않은 의료 정보를 생산하는 경향이 있어 이러한 문제를 해결하기 위한 일반적인 해결책으로 RAG가 있다. RAG는 외부 의료 지식을 더 작은 텍스트로 쪼개어 LLM이 쉽게 이해하고 활용할 수 있도록 하는 방법이다. ETH와 Stanford 연구진은 이러한 의료 분야의 도전 과제를 극복하기 위해 5.8백만 쌍의 데이터셋 MIRIAD를 도입하였다. 이 데이터셋은 외부 의료 지식을 활용하여 LLM의 정확도를 향상시키는 데 도움이 될 것으로 기대된다.

<Mark Tech Post 뉴스 본문 전체읽기>