연구진은 정신 건강 연구를 위한 설명 가능한 인공지능(XAI) 시스템 구축 시 주석 품질이 주요 병목 현상이라는 문제점을 지적했어요.
제안된 프레임워크는 대규모 언어 모델(LLM) 지원 주석과 전문가 검증을 결합하여 DSM-5-TR에 맞춰진 설명 가능한 데이터셋 구축을 목표로 해요.
프레임워크는 후보 증거 선택, 기준 수준 DSM-5-TR 분석, 사례 수준 종합의 세 단계로 작동하며, 전문가 피드백을 내부화하여 반복적으로 주석 품질을 개선하는 이중 메모리 아키텍처를 활용해요.
파일럿 연구에서 제안된 접근 방식은 주석 일관성과 설명 가능성을 향상시키고 수동 수정 노력을 줄이는 효과를 보였어요.