![[Medical AI] #1 EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인](https://miro.medium.com/v2/resize:fit:1000/1*_xjbdT_fY2Av-H12txuKcA.png)
AI
[Medical AI] #1 EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인
두줄요약
EHR 기반 의료 AI의 문제 정의부터 일반화 평가까지 5단계 개발 파이프라인을 소개했습니다. 보정·불확실성 추정과 임상 환경의 엄격한 검증 필요성을 강조했습니다.
구조와 흐름
- 문제 정의, 데이터 전처리, 모델 구조 선정, 보정·불확실성 추정, 일반화 평가의 5단계 파이프라인
- 임상적 실현 가능성·라벨링·포함 기준·추론 시간 간격을 포함한 문제 정의
- 환자·시간 기준 데이터 분할, 순차 데이터 생성, 벡터화, 이상치 처리, 정규화 중심 전처리
선택 이유
- 개인 특성, 시간 정보, 다수 정보를 함께 반영하는 딥러닝 기반 예측
- 로지스틱 회귀·XGBoost 베이스라인과 LSTM·GRU·DNC 등 딥러닝 모델 비교
- AUROC·AUPRC, 비교 실험, 피처 돌출성, 실패 사례 분석 기반 최종 구조 선정
성능/운영 포인트
- 캘리브레이션을 통한 예측값의 확률적 해석 보정
- 앙상블과 평가 지표 신뢰 구간을 활용한 개별 예측·성능 불확실성 추정
- 하위 모집단, 일일 경고율, 시간·지역 단위 미관측 데이터 기반 일반화 평가
주의할 점
- 타임스탬프 의미와 결측치·이상치 기준의 명확한 정의
- 의료 현장 자원 부담을 고려한 동작 지점과 경고율 검토
- 환자 데이터 보안, 개인정보 보호, 연구 윤리와 엄격한 성능 검증
