쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 16일 (월)까지 4683건
8건 · "의료 AI"조건 지우기 ×
001 09:11 ▲ 101 · 댓글 51 1형 당뇨병 환자가 혈당 예측 모델 15개 비교 공개 1형 당뇨병 환자가 혈당을 2시간 앞서 예측하는 모델 15개를 직접 훈련·테스트한 결과를 GitHub에 공개했다. AI · 머신러닝 · Show HN: I have trained 15 blood glucose forecasting models on my own data
Key Point 1형 당뇨병 관리를 AI로 개선하려는 개인 연구자의 시도이자, 의료 시계열 예측 문제에서 경량 트랜스포머가 대규모 기초 모델·고전 방식과 어떻게 경쟁하는지를 실제 데이터로 보여준다.
핵심 요약
1형 당뇨병 환자가 혈당을 2시간 앞서 예측하는 모델 15개를 직접 훈련·테스트한 결과를 GitHub에 공개했다. 저자의 모델은 트랜스포머 기반 경량 모델(D16, 31k 파라미터)이며, DILATE와 MSE 손실 함수 두 가지 버전이 있고 합성 데이터로 사전 훈련 후 LoRA 어댑터로 미세 조정된다. 저자 개인 데이터(35일, 9764개 예측)에서는 XGBoost와 LightGBM(RMSE 22.4 mg/dL at 60min)에 이어 D16 DILATE+LoRA가 3위(22.8)였고, 통계적으로 최고 성능 모델과 구별되지 않았다. 전체 요약 12문장 읽기 → 002 00:11 ▲ 194 · 댓글 218 릴리 CEO, 아모데이의 의료 기적론에 "황당하다" 일갈 Anthropic CEO 다리오 아모데이가 IPO 발표 연설에서 암, 알츠하이머, 심장질환, 정신질환이 10년 내 완치될 것이라 주장했다. AI · 머신러닝 · Eli Lilly CEO pushes back on Dario Amodei's ludicrous medical claims
Key Point IPO를 앞둔 AI 기업 최고경영진의 과장된 의료 기적론이 제약사 경영진과 의료 전문가들의 집단 비판을 받고 있으며, 이것이 테라노스 사기와 유사한 패턴으로 인식되고 있기 때문이다.
핵심 요약
Anthropic CEO 다리오 아모데이가 IPO 발표 연설에서 암, 알츠하이머, 심장질환, 정신질환이 10년 내 완치될 것이라 주장했다. 전문가들은 이를 엘리자베스 홈스의 테라노스 사기와 비교하며 즉각 반박했다. 생물학 데이터는 생물학의 1% 미만만 존재하며, 신약은 임상 시험만 5~8년이 걸려 10년 내 완치는 불가능하다는 지적이 이어졌다. 전체 요약 8문장 읽기 → 003 18:11 ▲ 66 · 댓글 1 흉부 X선 진단에 도구 활용한 AI 에이전트, ChestAgentBench서 최고 성능 흉부 X선(CXR) 해석은 직접 시각 인식만으로는 부족하며 외부 도구를 통한 증거 통합이 필요한데, 기존 도구 활용 의료 에이전트는 언제 보조 증거가 필요한지 학습하거나 부적절한 정량 데이터를 차단하는 명시적 메커니즘이 부족하다. AI · 머신러닝 · X-Ragent: Tool-Augmented Reinforcement Learning for Evidence-Grounded Chest X-Ray Reasoning
Key Point 의료 AI가 X선 이미지 분석 시 외부 측정 도구를 필요한 순간에만 올바르게 활용하는 방식을 개선함으로써, 의료 진단 시스템의 신뢰성과 설명 가능성을 높이는 구체적인 접근 방식을 제시합니다.
핵심 요약
흉부 X선(CXR) 해석은 직접 시각 인식만으로는 부족하며 외부 도구를 통한 증거 통합이 필요한데, 기존 도구 활용 의료 에이전트는 언제 보조 증거가 필요한지 학습하거나 부적절한 정량 데이터를 차단하는 명시적 메커니즘이 부족하다. 이를 해결하기 위해 X-Ragent라는 도구 활용 강화학습 후학습 프레임워크를 제안하며, 이는 보조 증거 수집과 타당성 검증 정량 측정 획득을 분리한다. 7.7K 샘플의 Rad-CoT 코퍼스를 구축해 인과관계 순서의 도구 활용 궤적과 보고서 양식 진단 추론을 결합했다. 전체 요약 7문장 읽기 → 004 18:12 ▲ 13 · 댓글 2 의료 AI가 스스로 증거를 찾는다, 종단 임상 추론 벤치마크 재단 모델을 임상 에이전트로 활용하되 기존 벤치마크와 달리 미리 선정된 증거가 아닌 임상 기록과 종단 영상 데이터에서 능동적으로 증거를 찾을 수 있도록 설계했다. AI · 머신러닝 · From Given to Gathered Evidence: Agentic Learning for Longitudinal Medical Reasoning
Key Point 임상 데이터를 능동적으로 탐색하며 종단 추론을 수행하는 의료 AI 에이전트의 새로운 패러다임이 제시되며, 대규모 정제 벤치마크와 학습 방법이 함께 공개될 예정이기 때문이다.
핵심 요약
재단 모델을 임상 에이전트로 활용하되 기존 벤치마크와 달리 미리 선정된 증거가 아닌 임상 기록과 종단 영상 데이터에서 능동적으로 증거를 찾을 수 있도록 설계했다. CASE라는 역할별 임상 에이전트 시리즈와 도구 사용 장치, 컴팩트한 비전-언어 정책 모델 학습 프레임워크를 제안한다. UK Biobank 기반 종단 멀티모달 벤치마크를 구축했으며, 4,739명의 참여자로부터 도출한 ICD-10 코딩 진단에 기반한 50,401개 임상 질문을 포함한다. 전체 요약 8문장 읽기 → 005 09:11 ▲ 12 · 댓글 2 의료 AI 검증 시스템의 숨은 한계, 자동 분류로 드러내다 의료 데이터에서 검색한 근거로 LLM 생성 답변의 사실성을 확인하는 검색 기반 평가가 임상 환경에서 주류 방식이 되었으나, F1 같은 집계 지표는 실패의 원인과 위치를 불명확하게 남긴다. AI · 머신러닝 · Where Does Retrieval-Based Open-Ended Evaluation Fail? Automatic Taxonomy Induction from Long-Form Medical Answer Factuality Verification
Key Point 의료 AI 시스템의 검증 성능이 개선되지 않는 근본 원인이 무엇인지 밝혀, 현재 방식의 한계를 이해하고 새로운 접근이 필요한 이유를 제시한다.
핵심 요약
의료 데이터에서 검색한 근거로 LLM 생성 답변의 사실성을 확인하는 검색 기반 평가가 임상 환경에서 주류 방식이 되었으나, F1 같은 집계 지표는 실패의 원인과 위치를 불명확하게 남긴다. MedExpert 데이터셋과 3개의 폐쇄형 데이터셋 사례 연구에서 검색 단계 오류 5가지와 검증 추론 오류 6단계를 분류하는 두 개의 체계적 분류법을 개발했다. LLM을 판사로 삼아 증거 품질을 라벨링하고 검증 오류를 자동으로 분류하는 패턴 귀납 파이프라인을 적용하여 4가지 검색 방식과 6개 최신 검증 모델에서 대규모로 검증했다. 전체 요약 5문장 읽기 → 006 00:11 ▲ 13 · 댓글 2 종양 위원회 토론 기록으로 암 진료 AI 학습 데이터셋 공개 종양 치료 결정을 위해 여러 전문의가 함께 진료하는 '종양 위원회(tumor board)' 논의 과정을 기록한 벤치마크 'OpenTumorBoard'가 공개되었다. AI · 머신러닝 · OpenTumorBoard: A Real-World Benchmark of Multidisciplinary Tumor Board Discussion Trajectories
Key Point 의료 AI가 단순 정보 제공을 넘어 복잡한 다학제 진료 의사결정에 얼마나 미흡한지 처음으로 실제 현장 데이터로 입증하는 벤치마크다.
핵심 요약
종양 치료 결정을 위해 여러 전문의가 함께 진료하는 '종양 위원회(tumor board)' 논의 과정을 기록한 벤치마크 'OpenTumorBoard'가 공개되었다. YouTube에 공개된 종양 위원회 영상 12,534분을 전사해 611명의 환자 사례와 10개 전문 역할에 걸쳐 19,157개의 토론 턴을 수집했다. 벤치마크는 두 가지 평가 설정을 제공한다: 실제 토론 중 제기된 임상 질문에 LLM이 답하는 'SPECIALIST TURN'과, LLM이 전체 토론을 생성하고 치료 권장안·수술 계획·임상시험 매칭에 합의하는 'BOARD SIMULATION'이다. 전체 요약 7문장 읽기 → 007 03:11 ▲ 28 · 댓글 1 흉부 X선 분석을 위한 문장 중심 비전-언어 모델 SentZero 흉부 X선(CXR) 이미지와 방사선 리포트를 사용한 비전-언어 사전학습이 의료 영상 이해에 유망하지만, 기존 방법들은 긴 임상 리포트를 간단한 제로샷 프롬프트로 정렬하기 어려워 작업별 미세조정에 의존한다. AI · 머신러닝 · SentZero: An Enhanced Sentence-Centric Vision-Language Pretraining for Multi-Task Zero-Shot Chest X-Ray Analysis
Key Point 방사선학 텍스트의 특성을 고려한 새로운 문장 수준 설계와 거짓 음성 완화 기법이 흉부 X선의 미세조정 없는 분석 성능을 크게 향상시킨다.
핵심 요약
흉부 X선(CXR) 이미지와 방사선 리포트를 사용한 비전-언어 사전학습이 의료 영상 이해에 유망하지만, 기존 방법들은 긴 임상 리포트를 간단한 제로샷 프롬프트로 정렬하기 어려워 작업별 미세조정에 의존한다. 최근 문장 수준 접근법이 LLM으로 추출한 임상 구문을 사용해 이를 부분적으로 개선했으나, 방사선학 텍스트의 내재적 특성을 간과하고 양성 쌍의 다양성이 제한되어 있다. 임상적으로 동등한 문장이 환자 간에 반복되면서 대조 학습에서 거짓 음성이 발생하는 문제가 있다. 전체 요약 6문장 읽기 → 008 18:10 ▲ 118 · 댓글 15 알리바바, 암 포함 150여 질환 진단하는 의료 AI 모델 공개 알리바바의 연구 부서 Damo Academy가 복부 CT 스캔을 분석해 암을 포함한 약 150개 질환을 진단하는 비전-언어 모델 'Damo Radar'를 오픈소스로 공개했다. AI · 머신러닝 · Alibaba open-sources AI model that can detect cancer and nearly 150 conditions
Key Point 의료진과 같은 수준의 진단 성능을 갖춘 AI 모델이 오픈소스로 공개되면서, 전 세계 의료기관과 연구자들이 접근할 수 있는 의료 AI의 판도가 바뀔 수 있다.
핵심 요약
알리바바의 연구 부서 Damo Academy가 복부 CT 스캔을 분석해 암을 포함한 약 150개 질환을 진단하는 비전-언어 모델 'Damo Radar'를 오픈소스로 공개했다. 이 모델은 18개 복부 장기를 포괄하고 악성 종양 등 질병과 이상을 식별하도록 설계되었으며, CT 스캔과 임상 보고서 쌍으로 학습했다. 약 4만 건의 실제 진료 검사에서 146개 임상 소견에 걸쳐 평균 AUC(곡선 아래 면적) 0.913을 달성했으며, 1.0은 완벽한 진단 정확도를 의미한다. 전체 요약 4문장 읽기 →