가이드라인 XML 자동 구조화 시스템

본 논문은 임상 실무 지침을 전자화하고, 기계가 이해할 수 있는 형태로 구조화하기 위한 자동화 시스템을 제시한다. 실무 지침은 의사와 의료진이 치료 결정을 내리는 데 중요한 근거가 되지만, 기존에는 종이 문서 형태로만 제공되어 접근성이 낮았다. 이를 해결하고자 GEM( Guideline Elements Model)이라는 XML 기반 표준 모델을 활용해, 텍스트에서 조건과 권고를 추출하고 이를 XML 템플릿에 자동으로 매핑하는 방법을 연구하였다. 시스템은 크게 네 단계로 구성된다. 첫 번째는 텍스트 전처리 단계로, 문서 구조(제목, 섹션, 열거형)와 형태소 분석을 수행한다. 두 번째는 기본 세그멘테이션 단계로, 조건이 문단이나 문장의 시작에 위치하면 해당 범위 전체를 스코프로 설정하고, 문장 내부에 있으면 해당 문장만을 스코프로 하는 규칙을 적용한다. 세 번째 단계에서는 Halliday와 Hasan이 제시한 응집 이론을 기반으로 다양한 언어적 단서를 탐지한다. 여기에는 조건을 나타내는 접속어(‘si’, ‘en cas de’, ‘lorsque’), 권고를 나타내는 어휘(‘recommander’, ‘prescrire’, ‘devoir’), 지시어(‘dans ce cas’, ‘dans les N cas précédents’) 및 정당화·대조 단서(‘en effet’, ‘en revanche’) 등이 포함된다. 이러한 단서는 통계적 특징(chi‑square 검정)과 학습된 패턴을 통해 자동으로 식별된다. 네 번째 단계에서는 블랙보드 아키텍처를 이용해 각 단서 탐지 모듈을 독립적인 에이전트로 구현하고, 중앙 퍼실리테이터가 에이전트 간의 정보를 통합해 최종 스코프를 결정한다. 시스템은 프랑스 국가 보건기관이 발행한 18개의 실무 지침(총 250페이지, 15만 단어 이상)을 대상으로 평가되었다. 실험 결과, 조건‑행동 쌍을 정확히 식별하는 비율은 85%를 초과했으며, 조건 스코프를 올바르게 결정한 비율은 78%에 달했다. 특히, 기본 규칙만 적용했을 때보다 언어적 단서를 활용한 재조정 과정을 거친 후 평균 12%p의 정확도 향상이 확인되었다. 이는 조건이 문단 전체에 걸쳐 있거나, 문장 내부에 포함된 경우 등 다양한 상황에서 시스템이 적절히 스코프를 확장·축소할 수 있음을 보여준다. 하지만 시스템은 몇 가지 제한점을 가지고 있다. 첫째, 현재는 프랑스어에 특화된 어휘·구문 규칙에 의존하고 있어 다른 언어로의 확장은 추가적인 규칙 정의가 필요하다. 둘째, 복잡하게 중첩된 조건 구조에서는 스코프 결정 오류가 발생할 가능성이 있다. 셋째, 완전 자동화보다는 전문가가 최종 검증을 수행하는 반자동 방식이므로, 실제 적용 시 전문가의 피드백을 효율적으로 반영할 수 있는 인터페이스가 요구된다. 향후 연구 방향으로는 다국어 지원을 위한 언어 독립적인 단서 추출 모델 개발, 딥러닝 기반의 조건·권고 식별 및 스코프 추정, 그리고 전문가 검증 과정을 최소화하는 인터랙티브 도구 설계가 제시된다. 이러한 개선을 통해 실무 지침의 전자화와 재사용성을 크게 향상시킬 수 있을 것으로 기대된다.