핵심 요약
에이아트릭스의 VitalCare가 해석가능한 의료 인공지능 모델을 구현하고, Feature Importance와 Time Importance, Graph Explanation 등 해석 기법으로 예측 결과를 설명 가능하게 했다.
구현 방법
- Attention Layer를 활용한 Feature Importance 및 Time Importance 계산과 시각화
- Graph Neural Network(GNN) 기반 Graph Explanation으로 입력 데이터 간 관계와 예측 영향 시각화
- EMR 데이터, 이미지 데이터, 환자 기록지 등 다양한 데이터 형식을 통합하는 멀티모달 모델 연구 및 적용
- 임상 의사결정 보조 시스템(CDSS)으로의 활용 가능성을 위한 해석성 설계
주요 결과
- 다양한 해석 방법으로 예측 결과의 주요 영향 요인을 시각화하는 기능 제공
- 멀티모달 데이터 통합에 대한 연구를 지속하고 있으며, 임상 현장 적용 범위 확장을 준비
![[VitalCare] #3 해석가능한 의료 인공지능 모델 섬네일](https://miro.medium.com/v2/resize:fit:1200/1*nr62Quofp_31IgXqs0R5HA.png)
![[VitalCare] #2 기존 평가도구의 한계를 극복하는 인공지능 섬네일](https://miro.medium.com/v2/da:true/resize:fit:1200/1*nvpIXzv9h57riO66bJPM_g.gif)
![[Medical AI] #1 EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인 섬네일](https://miro.medium.com/v2/resize:fit:1000/1*_xjbdT_fY2Av-H12txuKcA.png)
![[Drug Discovery] #2 가상탐색을 위한 신뢰할 수 있는 인공지능 섬네일](https://miro.medium.com/v2/resize:fit:1200/1*gVYtCwKZmDYKsqbjzKyuZA.png)