표현학습이 개척하는 의료 AI 미개척 영역

AI 요약

최근 인공지능(AI) 기술의 급속한 발전이 의료 분야의 혁신을 촉진하며 영상 진단과 자연언어 처리뿐만 아니라 심전도·뇌파·근전도·호흡 파형 등 생체 신호를 활용한 AI 응용이 주목받고 있습니다. 생체 신호는 비침습적이고 연속적으로 의료 현장에서 활용되지만 비정상성, 고차원성, 노이즈·아티팩트, 개체차 등으로 전통 통계기법으로는 분석이 어렵고 AI 판단의 설명 책임 문제가 심각합니다. 이에 표현학습, 특히 자기지도학습과 대조학습을 통한 라벨 비의존적 표현 획득이 노이즈에 강건한 압축 표현·시계열 구조 파악·개체차 흡수 등을 통해 생체 신호의 이해와 의료 AI 신뢰성 향상에 기여할 수 있으며, 표현의 구조 결정성을 밝히기 위한 특정 가능성(identifiability) 관점도 제시됩니다.