검사·임상기록 일부 없어도 안정적…멀티모달 의료 AI 개발

AI 요약

연세대학교 의과대학 의생명시스템정보학교실 박유랑 교수와 홍재성 연구원 연구팀은 결측치 대체 없이 확보된 데이터만으로 환자의 사망 위험을 예측하는 멀티모달 의료 AI 프레임워크 'ETF-UML'을 개발했다고 16일 밝혔다. MIMIC‑IV와 eICU 데이터를 사용한 세 가지 사망 예측 과제에서 ETF‑UML은 단일 모달리티 모델·통합 학습형 융합 모델·GRAPE·SMIL·SHASPEC·MUSE 등 기존 모델들보다 모든 평가에서 높은 AUROC를 기록했으며, 관측 비율을 30%로 낮춘 상황에서도 우수한 성능을 유지해 eICU에서는 최대 5.34점, 두 종류 데이터만 사용한 경우 4.4~10.7점 높은 성능을 보였다. 또한 ETF‑UML의 최대 그래픽 메모리 사용량은 0.44GB로 MUSE(4.70GB)보다 약 10분의 1 수준이고 연산량도 절반 이하였으며 연구 결과는 국제학술지 Information Fusion(IF 17.4)에 게재됐다.