증거 기반 추론을 통한 해석 가능한 실세계 질병 스크리닝의 발전

요약

본 논문은 의료 영상 기반 질병 스크리닝 모델의 해석 가능성 및 성능 문제를 해결하기 위해 EviScreen이라는 증거 기반 추론 프레임워크를 제안합니다. EviScreen은 과거 사례에서 검색된 영역 수준의 증거(region-level evidence)를 활용하여 회고적 해석 가능성을 제공하며, 이를 통해 현재와 과거 사례의 증거를 모두 고려한 예측을 수행함으로써 스크리닝 성능을 향상시킵니다. 또한, 사후적 살리언시 맵 대신 대조 검색에서 유도된 이상 맵을 사용하여 국소화 해석 가능성까지 강화했습니다.

핵심 포인트

• EviScreen은 과거 사례의 영역 증거를 활용하여 질병 스크리닝 모델에 회고적 해석 가능성을 제공합니다.
• 증거 인식 추론 모듈은 현재 및 과거 사례의 증거를 통합하여 예측 정확도를 높입니다.
• 국소화 해석 가능성 강화를 위해 대조 검색 기반의 이상 맵(abnormality maps)을 사용합니다.
• 제안된 방법은 실세계 질병 스크리닝 벤치마크에서 높은 재현율과 특이도를 달성했습니다.