연구진은 인공지능 기반 건강 오정보 탐지기를 개발하고 의료 전문가용 분석 대시보드를 제공하여 문화적·언어적 다양성(CALD) 커뮤니티의 건강 정보 접근성 문제를 해결하고자 합니다.
벵골어 번역 건강 오정보 데이터셋을 활용하여 다양한 소규모 언어 모델(SLM)의 성능을 평가한 결과, Phi-4 모델이 정밀도와 재현율의 균형이 가장 우수했습니다.
SLM의 한계를 보완하기 위해 문화적 민감성, 잠재적 피해, 의사소통 품질을 고려하는 책임 있는 NLP 기반의 새로운 건강 오정보 탐지 프레임워크를 설계하고 테스트했습니다.
연구 결과, SLM은 대규모 언어 모델(LLM)보다 부족한 도메인 전문 지식과 고비용의 튜닝 문제를 해결하는 데 적합한 것으로 나타났습니다.