Core Concepts
의료 진단 의사결정 과정을 지원하기 위해 특징 중요도, 반례 설명, 유사 사례 설명이라는 세 가지 설명 기법을 활용하는 개념적 프레임워크를 제안한다.
Abstract
이 연구는 의료 진단 의사결정 과정을 지원하기 위한 개념적 프레임워크를 제안한다. 기존의 설명 가능한 인공지능(XAI) 방법론이 가진 한계를 극복하고자 하였다.
연구팀은 참여적 설계 접근법을 통해 AI 전문가, HCI 전문가, 의사 등 다양한 이해관계자를 참여시켰다. 이를 통해 세 가지 설명 기법, 즉 특징 중요도, 반례 설명, 유사 사례 설명을 도출하였다.
이 세 가지 설명 기법을 활용하여 실제 데이터셋을 기반으로 고충실도 프로토타입을 개발하였다. 프로토타입은 의사의 진단 추론 과정을 지원하는 것을 목표로 하며, 직접적인 진단 권고나 설명을 제공하지 않는다.
참여적 설계 과정을 통해 프로토타입의 기능과 사용자 경험을 개선하였다. 이를 통해 인공지능 기반 의사결정 지원 시스템 설계에 대한 지식을 발전시켰다.
Stats
전체 데이터셋 7,142개 레코드
음성(class 0) 6,385개 (89.4%)
갑상선 기능 항진증(class 1) 582개 (8.15%)
갑상선 기능 저하증(class 2) 175개 (2.45%)