DiagLink: LLM 및 지식 그래프와 전문가를 융합한 이중 사용자 진단 지원 시스템

DiagLink: A Dual-User Diagnostic Assistance System by Synergizing Experts with LLMs and Knowledge Graphs

전 세계적인 의료 전문가 부족과 불균등한 분포는 정확한 진단 의료 서비스에 대한 공정한 접근성을 저해하고 있습니다. 기존의 지능형 진단 시스템은 유망한 가능성을 보여주었지만, 대부분의 시스템은 이중 사용자 상호 작용 및 동적 지식 통합에 어려움을 겪어 실제 적용에 한계가 있습니다. 본 연구에서는 대규모 언어 모델(LLM), 지식 그래프(KG), 그리고 의료 전문가를 융합하여 환자와 의사를 모두 지원하는 이중 사용자 진단 지원 시스템인 DiagLink를 제시합니다. DiagLink는 안내된 대화를 통해 환자의 병력을 수집하고, LLM과 KG를 활용하여 협력적 추론을 수행하며, 의사의 감독을 통해 지속적인 지식 검증 및 발전을 통합합니다. 이 시스템은 역할에 따른 인터페이스, 동적으로 시각화된 병력 정보, 그리고 통합된 다중 소스 증거를 제공하여 사용자의 신뢰도와 사용성을 향상시킵니다. 우리는 사용자 연구, 사례 연구 및 전문가 인터뷰를 통해 DiagLink를 평가하여 사용자 만족도 및 진단 효율성을 향상시키는 데 효과적임을 입증하고, 향후 AI 기반 진단 시스템 설계에 대한 통찰력을 제공합니다.

The global shortage and uneven distribution of medical expertise continue to hinder equitable access to accurate diagnostic care. While existing intelligent diagnostic system have shown promise, most struggle with dual-user interaction, and dynamic knowledge integration -- limiting their real-world applicability. In this study, we present DiagLink, a dual-user diagnostic assistance system that synergizes large language models (LLMs), knowledge graphs (KGs), and medical experts to support both patients and physicians. DiagLink uses guided dialogues to elicit patient histories, leverages LLMs and KGs for collaborative reasoning, and incorporates physician oversight for continuous knowledge validation and evolution. The system provides a role-adaptive interface, dynamically visualized history, and unified multi-source evidence to improve both trust and usability. We evaluate DiagLink through user study, use cases and expert interviews, demonstrating its effectiveness in improving user satisfaction and diagnostic efficiency, while offering insights for the design of future AI-assisted diagnostic systems.