[Feat] OCR 약 추출 LLM 하이브리드 — 처방전=파서, 약봉투/영수증=gpt-4o

[kangcheolung]

📌 Description

OCR로 rawText/좌표는 잘 가져오는데, 이를 {약이름, 1회량, 1일횟수, 총일수} 구조로 바꾸는
파싱이 서식마다 깨진다. OcrParser(정규식+좌표)는 알려진 서식만 커버해 새 서식마다 코드를
추가해야 하고, 뭉개진 약 이름(지스로먹스장 → 지스로맥스정)은 교정할 수 없다.

파싱 단계를 LLM 추출로 검증하고, 측정 결과에 맞는 도입 방식을 정한다.

전제: #96(회귀 하네스), #99(파서 고도화) 머지. fixture 9종이 "정답"을 정의.

🎯 목표

• fixture 9종으로 파서 vs LLM(gpt-4o) 약 단위 정확도 측정
• 측정 결과에 맞는 도입 방식 결정 및 구현
• 응답 스키마(OcrResultResponse.parsedDrugs) 유지 → 프론트 영향 0
• 키 미설정 시 LLM 자동 비활성 → 기존(파서 전용)과 동일 동작

🧪 측정 결과 (gpt-4o + 좌표 + 프롬프트 개선)

프롬프트 1차 버그: "제형어 빼라"→아모잘탄정을 아모잘탄으로 잘림.
→ "제형 접미사는 이름의 일부, 절대 떼지 마라"로 수정.

서식	파서	gpt-4o
병원 처방전 (표 서식)	4/4	0/4 (좌표 텍스트로 표 숫자 매핑 실패)
약봉투 (별표/압축)	4/4 · 9/9	3~4/4 · 9/9
grid 영수증	4/5	5/5 (파서가 놓친 약을 잡음)
scattered 영수증	3/8	이름 8/8

→ 처방전은 파서(좌표 알고리즘), 약봉투·영수증은 LLM이 유리. 하이브리드로 결정.

🛠️ 작업 범위

하이브리드 라우팅

OCR → 병원 처방전인가? (isPrescription)
  ├─ YES → 파서 (좌표 알고리즘)
  └─ NO  → 약봉투/영수증/그 외 → gpt-4o
                                  ↓ LLM 실패·약 0개
                                파서 폴백

isPrescription — 서식별 고유 문구로 구분 (발행처가 약국/병원/약국으로 달라 겹치지 않음):

서식	고유 문구
처방전	"처방전" 제목 / "처방 의약품" / "교부번호"·"교부일" / 보험코드 줄(\d{8,10}\s+약이름)
약봉투	"복약안내" / *약이름 별표 / "N정씩N회N일분"
영수증	"약제비" / "계산서" / "본인부담금"

isPrescription = 처방전 신호 있음  AND  약봉투 신호 없음  AND  영수증 신호 없음

보험코드 줄만 보면 코드 미인쇄 EMR에서 처방전을 놓쳐서, 여러 신호를 OR로 묶고 약봉투·영수증 신호로 배제.

1. DrugExtractor + LlmDrugExtractor

• List<ParsedOcrData> extract(fields) — 실패 시 예외 대신 빈 리스트
• 키 미설정·API 오류 → 빈 리스트 (폴백 유도)
• sanity check: timesPerDay 16, totalDays 190 벗어나면 null

2. OpenAiClient

• fields → "텍스트 @(x,y)" 목록(y→x) → gpt-4o temperature 0 json_object 25s
• 프롬프트: 행 해석, 제형 접미사 유지, 용량 표기·성분명·제형어 제외, "교부일로부터 N일" 제외
• 새 의존성 없음 (WebClient)

3. OcrParser.isPrescription(fields) public

4. OcrCommandService 라우팅 + method 로깅

5. application.yml — openai.api-key: ${OPENAI_API_KEY:} 등

6. 테스트

• OcrCommandServiceTest (키 불필요) — 처방전→파서(LLM 미호출), 약봉투→LLM, LLM 실패→파서 폴백
• LlmDrugExtractorComparisonTest — @Tag("integration") + OPENAI_API_KEY 있을 때만. 파서 vs LLM vs 하이브리드 리포트

✅ To-do

• fixture 9종 측정 (gpt-4o-mini rawText/좌표 → gpt-4o 좌표+프롬프트 개선)
• DrugExtractor + LlmDrugExtractor (sanity check)
• OpenAiClient (좌표 텍스트, 프롬프트, gpt-4o)
• OcrParser.isPrescription (서식별 고유 문구)
• OcrCommandService 하이브리드 라우팅
• application.yml openai 설정
• OcrCommandServiceTest, LlmDrugExtractorComparisonTest
• 설계 문서 docs/kangcheolung/issue-100-ocr-llm-hybrid.md

📏 완료 조건 (DoD)

• 키 있는 로컬: 약봉투 → LLM 경로, 처방전 → 파서 경로로 parsedDrugs 채워짐
• 키 없음/LLM 실패 → 파서로 기존과 동일 동작
• OcrResultResponse 필드 변화 없음
• ./gradlew test 통과

📒 기타 · 알려진 한계

• LLM 비결정성: temperature 0이어도 gpt-4o가 run마다 이름 형식 미세하게 다름. 사용자 확인 UI가 최종 방어선.
• 비용: gpt-4o 호출당 1520원. 볼륨 커지면 gpt-4o-mini + 프롬프트 강화 또는 캐싱.
• 이름 정규화(지스로먹스장→지스로맥스정)는 gpt-4o도 못 함 → ES 대조 = 다음 이슈 (druginfo 4,745건).
• 이미지→비전 LLM은 별도 검토.
• 로컬 테스트용 컨트롤러 userId 하드코딩은 커밋 금지.