검사·임상기록 일부 없어도 안정적···멀티모달 의료 AI 개발

AI 요약

연세의대 의생명시스템정보학교실 박유랑 교수와 홍재성 연구원 연구팀은 환자의 검사 결과나 임상 기록 일부가 빠져 있는 실제 진료 환경에서도 안정적으로 작동하는 멀티모달 의료 AI 프레임워크 ETF-UML을 개발했다고 16일 밝혔습니다. ETF-UML은 국제 공개 중환자 데이터베이스 MIMIC-IV(30일 사망 예측에 19만 27건, 90일 사망 예측에 16만 4723건)와 eICU(원내 10일 사망 예측에 11만 9852건)를 이용한 세 가지 사망 예측 평가에서 기존 단일 모달리티·통합 학습형 융합 모델 및 결측 대응 기법 기반 모델들보다 모든 평가에서 가장 높은 AUROC를 기록했으며, 확보 가능한 데이터가 적을수록 성능 우위가 커져 eICU에서는 최대 5.34점, 두 종류 데이터만 활용한 조건에서도 다수 설정에서 4.4~10.7점 높은 성능을 보였습니다. 또 ETF-UML은 최대 그래픽 메모리 0.44GB로 비교 대상 멀티모달 AI 모델 MUSE의 4.70GB보다 약 10분의 1 수준이었고 연산량도 절반 이하였으며 연구 결과는 국제학술지 Information Fusion에 게재됐습니다.