의학에서의 통합적 인공지능: 성능 향상과 설명 가능성 개선

의학 분야에서 인공지능(AI)의 활용에 대한 관심이 증가함에 따라, 우리는 이전에 다중모달 데이터를 융합하여 하류 임상 과제를 해결하는 프레임워크인 HAIM (전반적인 의학 인공지능)을 소개한 바 있습니다. 그러나 HAIM은 과제와 무관하게 데이터를 사용하며 설명성이 부족합니다. 이러한 제한점을 해결하기 위해, 우리는 생성형 AI를 활용하여 예측과 설명성을 모두 향상시키는 새로운 프레임워크인 xHAIM (설명 가능한 HAIM)을 소개합니다. xHAIM은 다음과 같은 네 가지 구조화된 단계를 통해 작동합니다: (1) 모달 간 과제 관련 환자 데이터를 자동으로 식별, (2) 포괄적인 환자 요약 정보 생성, (3) 이러한 요약 정보를 이용하여 개선된 예측 모델링 수행, 그리고 (4) 예측 결과와 환자 특异性 의학 지식을 연결하여 임상적 설명 제공. HAIM-MIMIC-MM 데이터셋에서 평가한 결과, xHAIM은 가슴 질환 및 수술 과제에서 평균 AUC(영역 밑 면적) 값을 79.9%에서 90.3%로 개선했습니다. 특히, xHAIM은 AI를 검은 상자 예측기에서 설명 가능한 의사결정 지원 시스템으로 변화시켜, 임상의들이 관련 환자 데이터로 예측 결과를 대화형으로 추적할 수 있도록 하여 AI 발전과 임상 활용성을 연결하였습니다.