DOI QR코드

DOI QR Code

A study on Overcoming Data Limitations and Representing Uncertainty in AI for Personalized Medical Predictions

개인화된 의료 예측을 위한 AI 기반 불확실성 표현 및 데이터 한계 극복 연구

  • JuChan Kim (Dept. of AI Systems Engineering, Sungkyunkwan University) ;
  • Gyurin Byun (Dept. of AI Systems Engineering, Sungkyunkwan University) ;
  • Hyunseung Choo (Dept. of AI Systems Engineering, Sungkyunkwan University)
  • 김주찬 (성균관대학교 AI시스템공학과) ;
  • 변규린 (성균관대학교 AI시스템공학과) ;
  • 추현승 (성균관대학교 AI시스템공학과)
  • Published : 2023.11.02

Abstract

의료 분야에서 AI 모델의 활용이 증가하고 있지만, 모델의 예측 불확실성을 정확하게 평가하고 표현하는 것이 중요하다. 본 연구는 이러한 문제를 해결하기 위해 AI-driven 방식을 제안하며, 특히 의료 영상 변환 모델에 대한 불확실성 표현과 데이터 한계 극복 방법론을 제안한다. 제안된 AI-driven 안저영상 변환 모델은 기존 GAN과는 다르게 구조가 이루어져 있으며, 신뢰도가 낮은 영역을 구분하고 시각화하여 표현할 수 있다. 실험 결과, 제안된 방법은 기존 모델과 비교하여 영상 변환 성능이 크게 향상되었으며, 불확실성에 대한 정확도 평가에서도 AI-driven 방식이 높은 성능을 보인다. 결론적으로, 본 연구는 AI-driven 방식을 통해 의료 AI에서의 불확실성 표현의 가능성을 확인하였으며, 이 방식이 데이터의 한계와 불확실성을 극복할 수 있을 것으로 기대된다.

Keywords

Acknowledgement

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 ICT명품인재양성사업(IITP-2023-2020-0-01821), 인공지능대학원 지원(성균관대학교, No.2019-0-00421), 인공지능 혁신 허브 연구 개발(No.2021-0-02068)의 지원을 받아 수행된 연구임.