링크 : https://www.jmir.org/2021/5/e27460/
배경
코로나19 팬데믹으로 인해 일상 활동이 제한되고 환자와 1차 의료 서비스 제공자 간의 접촉도 제한되고 있습니다. 이로 인해 환자를 적절한 전문의에게 연결하는 등 적절한 1차 진료 서비스를 제공하기가 더욱 어려워졌습니다. 스마트폰과 호환되는 인공지능(AI) 챗봇이 환자의 증상을 분류하고 적절한 전문의를 추천해준다면 유용한 솔루션을 제공할 수 있습니다.
목적
본 연구는 비대면으로 적절한 전문의를 추천하는 방법을 구축하기 위해 딥러닝 기반의 자연어 처리(NLP) 파이프라인을 구축하고 스마트폰에서 사용할 수 있는 인공지능 챗봇을 개발하는 것을 목표로 했습니다.
방법
라벨(전문과목)이 포함된 증상 정보가 포함된 118,008개의 문장을 수집하고 데이터 클린징을 수행하여 최종적으로 51,134개의 문장으로 구성된 파이프라인을 구축했습니다. Attention이 있든 없든, pre-train된 FastText 임베딩 레이어가 있든 없든 간에 4개의 서로 다른 장단기 기억(LSTM) 모델과 NLP용 트랜스포머의 양방향 인코더 표현을 포함한 여러 딥러닝 모델을 무작위로 선택한 테스트 데이터 세트를 사용하여 훈련하고 검증했습니다. 모델의 성능은 정밀도, 리콜,F1 점수, 수신기 작동 특성 곡선 아래 면적(AUC)을 기준으로 평가되었습니다. 또한 환자들이 이 전문의 추천 시스템을 쉽게 사용할 수 있도록 AI 챗봇을 설계했습니다. AI 챗봇을 개발하기 위해 '알파'라는 오픈소스 프레임워크를 사용했습니다. 이는 텍스트 대화가 가능한 프론트엔드 채팅 인터페이스와 데이터 수집을 처리하고 딥러닝 모델로 데이터를 처리하며 데스크톱과 스마트폰 모두에서 호환되는 반응형 웹으로 전문의 추천을 제공하는 백엔드 클라우드 기반 서버 애플리케이션을 갖춘 웹 기반 앱의 형태를 취합니다.
결과
트랜스포머 모델의 양방향 인코더 표현이 AUC 0.964,F1 점수 0.768로 가장 우수한 성능을 보였고, 임베딩 벡터를 사용한 LSTM 모델이 AUC 0.965,F1 점수 0.739로 그 뒤를 이었습니다. 컴퓨팅 자원의 한계와 스마트폰의 광범위한 가용성을 고려하여 데이터 세트에서 학습된 임베딩 벡터를 사용한 LSTM 모델을 AI 챗봇 서비스에 채택했습니다. 또한 데스크톱과 스마트폰 모두에서 실행할 수 있는 알파 버전의 AI 챗봇을 배포했습니다.
결론
현재 코로나19 팬데믹 상황에서 원격 의료에 대한 수요가 증가하고 있는 상황에서 스마트폰을 통해 환자에게 전문 의료진을 추천할 수 있는 딥러닝 기반 NLP 모델을 갖춘 AI 챗봇은 매우 유용할 것입니다. 이 챗봇을 통해 환자는 자신의 증상에 따라 비대면 방식으로 신속하게 적절한 의료 전문가를 찾을 수 있으므로 환자와 주치의 모두를 지원할 수 있습니다.