순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
A framework to assess clinical safety and hallucination rates of LLMs for medical text summarisation
Elham Asgari, Nina Montaña-Brown, Magda Dubois 외 · npj Digital Medicine · 2025년 · 조회 15
왜 이 논문인가 — 선정 기준
오늘의 Editor's Pick · 전체 분야에서 그날 가장 주목할 논문 1편
2025-05 발표 · 피인용 340회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 원 분야 자연과학
전체 분야 Editor’s Pick은 인용 상위 1%에 해당하는 매우 높은 인용 영향을 가진 논문을 선정하는데, 본 논문은 340회의 피인용과 뛰어난 인용 영향력 지표로 이를 충족한다.
논문 요약
본 연구는 대형 언어 모델(LLM)을 의료 현장에 적용할 때 발생할 수 있는 오류와 환각을 체계적으로 평가하기 위해 새로운 프레임워크를 제안한다. 오류 분류 체계, 반복 비교 실험 설계, 임상 안전 평가 지표, 그리고 사용자 인터페이스인 CREOLA를 포함한다. 18가지 실험 구성과 12,999개의 임상 전문가가 주석을 단 문장을 활용한 결과, LLM의 환각률은 1.47%, 누락률은 3.45%로 측정되었다.
후속 연구설계에 활용하기
제안된 오류 분류 체계와 임상 안전 지표를 다른 의료 LLM 연구에 그대로 적용하거나 확장하여, 변수로서 환각·누락 비율을 활용한 비교 연구를 설계할 수 있다.
핵심어
대형언어모델의료텍스트요약환각률임상안전
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.