AI-in-Health/MedLLMsPracticalGuide

해결하는 문제

이 프로젝트는 의료 도메인에 특화된 대규모 언어 모델(LLMs)을 구축, 평가 및 배포하는 방법을 이해하기 위한 구조화된 포괄적 리소스를 제공합니다. 연구, 방법론 및 실용적인 파이프라인을 하나의 접근하기 쉬운 가이드로 정리하여 AI를 의료 분야에 적용할 때 발생하는 복잡성을 해결합니다.

작동 방식

이 프로젝트는 동료 심사를 거친 서베이 논문을 기반으로 한 엄선된 지식 허브 역할을 합니다. 의료용 LLM 개발을 모델 사전 학습(from scratch), 기존 범용 모델의 파인튜닝, 고급 프롬프트 기술 활용이라는 세 가지 주요 기술적 접근 방식으로 분류합니다. 또한 데이터 소스, 특정 임상 작업(요약 또는 진단 등), 그리고 연구자들이 직면하는 환각(hallucination) 및 윤리적 안전성과 같은 핵심 과제별로 리소스를 정리합니다.

대상 독자

이 가이드는 AI와 의학의 교차점에 관심이 있는 연구자, 개발자 및 임상의를 대상으로 합니다. 의료용 LLM의 현주소를 파악하고, 관련 학술 문헌을 찾거나, 임상 AI 애플리케이션을 구축하기 위한 최적의 도구와 데이터셋을 식별하려는 분들에게 출발점이 될 것입니다.

주요 특징

• 의료용 LLM을 위한 학술 논문, 코드베이스 및 모델의 분류된 저장소.
• 데이터 수집부터 모델 평가까지, 의료 AI 구축을 위한 실용적인 파이프라인.
• 학습을 위한 임상 지식 베이스 및 의료 데이터셋의 포괄적인 목록.
• 의료 의사결정, 보고서 생성, 정신 건강 지원을 포함한 임상 응용 분야에 대한 상세한 다룸.
• 모델 환각, 도메인 데이터 제한, 윤리적/안전 문제와 같은 중요한 과제에 대한 분석.