연세대, 결측치 대체 없이 사망위험 예측하는 멀티모달 의료 AI 개발

멀티모달 AI

텍스트, 영상, 수치 등 형식이 다른 여러 데이터를 함께 학습해 종합적으로 분석하는 인공지능 기법이다.

결측치

측정이나 기록 과정에서 값이 누락되거나 확보되지 않은 데이터 항목을 뜻한다.

데이터 대체(임퓨테이션)

결측치를 통계적 방법이나 모델 추정으로 채워 넣어 분석 가능한 형태로 만드는 처리 기법이다.

실제 임상 현장에서는 환자마다 검사나 기록이 일부 누락되는 경우가 흔해, 의료 AI 모델이 완전한 데이터셋을 전제로 학습하면 현장 적용 시 성능이 떨어질 수 있다. 이런 문제를 해결하기 위해 통상 누락된 값을 통계적으로 추정해 채우는 방식이 쓰이지만, 추정 과정에서 실제와 다른 값이 들어가 예측 결과를 왜곡할 위험이 지적돼 왔다. 이에 따라 결측 데이터를 인위적으로 메우지 않고 확보된 정보만으로 학습·예측하는 접근이 연구되고 있다.

Why it matters결측 데이터를 다루는 방식은 의료 AI가 실제 임상 환경에서 얼마나 안정적으로 작동하는지를 좌우하는 핵심 요소로 여겨진다.