본 연구의 목적은 한의학 증상 판별 자동화 방법을 개발하는 것이다. 방법은 먼저 도메인 지식, 동의어 용어, 변증론치 및 한의학 사례 라벨이 포함된 4가지 서로 다른 한의학 관련 태스크 데이터셋을 기반으로 한 다중 태스크 텍스트 임베딩 모델(Instr-MT-TCM)을 구축하고 학습한다. 다음으로 석사 이상 학위를 가진 5명의 한의학 진단 전문가가 실제 임상 데이터를 선별하고 증상 및 징후를 주석 처리하여 Instr-MT-TCM과 대형 언어 모델(LLM)의 협력 방법 및 수작업 주석 결과의 변증 판별 F1 점수를 평가한다. 마지막으로, 본 방법의 임상적 타당성을 검증하기 위해 실제 전립선암 환자 48례에 적용하여 증상 점수를 산출한다. 결과적으로 Instr-MT-TCM 모델은 학습 초기 빠른 성능 향상을 보였으며, 상위 1회 소환율(R@1)은 0.848이었다. 전문가들은 임상에서 자주 발생하는 34가지 질환과 66가지 증형을 포함하는 총 1793건의 실제 한의학 사례를 선별하였다. 변증 판별 과제에서 LLM과 Instr-MT-TCM 협력 방식의 평균 F1 점수는 0.927로, 수작업 주석(0.512)을 크게 상회하였다. 48례 전립선암 사례 증상 분석에서는 화(火, 열) 및 음허 증상이 주로 나타났으며, 병위 증상은 방광과 신장이 우세하였다. 결론적으로 본 연구는 LLM과 Instr-MT-TCM 협력 기반의 한의학 증상 자동 변증 신기법을 제안하고 검증하였다. 해당 방법은 실제 데이터에서 높은 F1 점수(0.927)를 달성하여 높은 정확도와 강력한 일반화 능력을 보였으며, 전립선암 증상 분석에서 우수한 임상 적용 가능성을 보여 한의학 지능형 증상 변증에 효과적 기술 지원과 새로운 연구 방향을 제공한다.

증상 변증;대형 언어 모델;텍스트 임베딩