Med-CRAFT: 설명 가능하고 구성 가능한 다중 모드 의료 질의 응답 데이터셋 구축을 위한 정보 시스템

Med-CRAFT: An Information System for Explainable and Configurable Construction of Multimodal Medical QA Datasets

데이터 중심 인공지능 애플리케이션은 점점 더 대규모, 고품질, 설명 가능하며 재현 가능한 데이터셋에 의존하지만, 이러한 데이터셋 구축은 종종 노동 집약적이고 추적이 어렵고 구성하기 어려운 경우가 많습니다. 특히 다중 모드 의료 시나리오에서 이는 더욱 중요합니다. 왜냐하면 각 질문-답변 샘플은 의미적으로 일관성이 있어야 하며, 시각 및 시간 정보를 기반으로 해야 하며, 그리고 추론 복잡도 측면에서도 제어 가능해야 하기 때문입니다. 이러한 문제점을 해결하기 위해, 우리는 교육용 비디오로부터 설명 가능하고 구성 가능한 다중 모드 의료 질의 응답 데이터셋을 구축하기 위한 정보 시스템인 Med-CRAFT를 제안합니다. Med-CRAFT는 데이터셋 구축 과정을 프로비넌스(데이터 생성 및 처리 과정 추적) 정보를 포함하는 파이프라인으로 구성하여, 원본 의료 교육용 비디오를 구조화된 운영 지식 그래프, 증거 기반 추론 경로, 그리고 자연어 질문-답변 쌍으로 변환합니다.

Data-intensive artificial intelligence applications increasingly rely on large-scale, high-quality, explainable, and reproducible datasets, yet the construction of such datasets often remains labor-intensive, weakly traceable, and difficult to configure. This problem is particularly critical in multimodal medical scenarios, where each question-answer sample should be semantically consistent, grounded in visual and temporal evidence, and controllable in terms of reasoning complexity. To address these challenges, we propose Med-CRAFT, an information system for explainable and configurable construction of multimodal medical question answering datasets from instructional videos. Med-CRAFT organizes dataset construction as a provenance-aware pipeline that transforms raw medical instructional videos into structured operation knowledge graphs, evidence-grounded reasoning paths, and natural-language question-answer pairs.