파운데이션 모델과 희소 오토인코더로 임상 데이터에서 질병 패턴 자동 발굴
Key Point
임상 AI의 해석 가능성이 단순 신경망 이해를 넘어 환자 예후와 직결된 실제 의학적 가치로 평가되는 새로운 접근법이기 때문이다.
핵심 요약
- 기초 모델이 학습한 잠재 임베딩에 숨겨진 임상 개념을 해석하기 위해 Glyph라는 자동화 프레임워크를 개발했다.
- CT 영상·방사선 보고서·검사 수치 등 다중양식 임상 데이터에서 특징을 추출하고 희소 오토인코더로 압축한 뒤 임상 개념으로 변환한다.
- 4만 1,628명 환자의 복부 CT와 임상 데이터에 적용해 397개의 예측 개념과 4,463개의 본페로니 유의미한 연관성을 발견했다.