블랙박스에서 임상적 통찰로: 음성 기반 인지 장애 탐지를 위한 다단계 설명 가능한 프레임워크

요약

음성 기반 인지 장애 탐지 모델의 블랙박스 문제를 해결하기 위해 SHAP, 언어적 특징, LLaMA-3.1을 결합한 다단계 설명 가능 프레임워크를 제안합니다. 이 프레임워크는 모델의 예측을 임상적으로 유의미한 언어적 차원으로 변환하여 높은 사용성과 정확도를 보여줍니다.

핵심 포인트

• SHAP 및 LLaMA-3.1을 활용한 4단계 설명 가능 파이프라인 제안
• NIA PREPARE 벤치마크에서 F1 스코어 72.11% 달성
• 모델 출력을 어휘, 통사, 의미론적 차원으로 매핑하여 임상적 근거 제공
• 의사 평가 결과 환자 인지 프로필과 높은 일치성 확인
• 시스템 사용성 점수 82/100으로 임상 워크플로우 통합 잠재력 입증