193 편의 논문
이 연구는 경추 척수병증 (CSM) 환자의 객관적 모니터링을 위한 모바일 건강 (mHealth) 기술의 도입 필요성과 잠재적 이점을 확인하고, 성공적인 구현을 위해 직관적인 설계와 전자의무기록 통합 등 사용자 중심 접근이 필수적임을 강조합니다.
본 논문은 비전 트랜스포머 (ViT) 와 도메인 적응 언어 모델을 활용하여 MRI 영상과 임상 텍스트 데이터를 융합하는 멀티모달 딥러닝 프레임워크를 제안함으로써, 갑상선 결절의 악성 여부를 기존 단일 모달 시스템보다 높은 정확도로 예측하여 수술 전 의사결정을 지원함을 보여줍니다.
이 논문은 All of Us 연구 프로그램의 Fitbit 데이터를 분석하여 인구통계학적 및 임상적 요인에 따른 웨어러블 기기 착용 시간의 편차를 규명하고, 기존 임계값이 특정 환자군을 불공정하게 배제할 수 있음을 지적하며 건강 형평성을 제고하기 위한 유연한 방법론적 프레임워크를 제안합니다.
이 논문은 1,940 만 명의 영국 성인을 대상으로 개발된 CHARIOT 모델을 통해 약물 치료나 생활 습관 개선과 같은 특정 중재가 심혈관 질환 위험을 얼마나 감소시키는지 예측할 수 있는 새로운 도구와 그 유효성을 제시합니다.
이 준실험 연구는 150 일간의 종단적 관찰을 통해 의료진이 환경형 AI 필기 도구를 점진적으로 적응해 나가는 과정에서 문서 작성 시간과 재정적 생산성이 지속적으로 개선됨을 입증했습니다.
이 논문은 기존 밀도 기반 방법의 한계를 극복하고, 위상 데이터 분석 (TDA) 을 기반으로 공간적으로 검열된 역학 데이터에서 구조적 공백을 탐지하고 그 지속성 및 잠재적 원인을 분류하는 'TDA 엔진 v2.1' 프레임워크를 제시하여 공중보건 감시 체계의 개선을 도모합니다.
이 연구는 고정된 모델 파라미터 하에서 내부 역할 분해 구조 (일반적 심의 대 특성 전문화) 만을 조작하여 임상 분류 성능과 오분류 분포가 체계적으로 변화함을 입증함으로써, 다중 에이전트 프롬프트 아키텍처가 모델 매개변수 변경 없이 민감도 -특이도 트레이드오프를 제어하는 명시적 메커니즘으로 작용함을 규명했습니다.
이 논문은 의료용 대형 언어 모델 (LLM) 의 안전성 방어를 체계적으로 평가하기 위한 적대적 공격 분류체계를 개발하고, 대부분의 공격에는 견고하지만 '교육적 목적'이라는 권위 사칭 공격에는 특히 취약하여 모델이 전문가 대상 응답 모드로 전환하는 경향이 있음을 규명했습니다.
이 논문은 대규모 언어 모델 (LLM) 이 의료 응용 분야에서 뛰어난 성능을 보임에도 불구하고, 인간 표현형 온톨로지를 기반으로 한 평가에서 개념 정체성과 위계는 잘 이해하지만 개념 의미 이해가 부족하여 전체적인 개념 이해가 단편화되어 있음을 규명했습니다.
이 논문은 NIH 의 AI-READI 데이터셋에서 자기 보고 및 HbA1c 기반 라벨의 오류를 K-means 클러스터링과 XGBoost 기반 반복적 정제 기법으로 수정하고, 이를 바탕으로 Conv+BiLSTM 딥러닝 모델을 구축하여 CGM 데이터를 통해 당뇨병 전단계 상태를 93.2% 의 ROC-AUC 로 정확히 분류하는 혁신적인 진단 프레임워크를 제시합니다.
이 연구는 임상 의사결정에 사용되는 머신러닝 모델에서 클래스 불균형 보정 기법을 적용하면 모델의 보정도가 심각하게 저하되어 위험을 과대평가하고 잠재적 해를 초래할 수 있음을 실증적으로 밝혔습니다.
이 논문은 생물의학 텍스트 처리에서 LLM 의 결정에 대한 검증 가능성을 높이기 위해 '작업 과정 제시 (구체적 인용)'를 강제하는 것이 정확성과 검증성은 향상시킬 수 있으나, 모델에 따라 처리율 감소와 새로운 실패 모드를 초래할 수 있음을 보여줍니다.
이 논문은 3,139 명의 수련의로부터 수집된 웨어러블 및 자기보고 데이터를 분석하여 개인의 기분과 행동 간의 이질적인 연관성을 규명하고, 이를 바탕으로 대규모 언어 모델 (LLM) 을 활용한 맞춤형 피드백 시스템 'MoodDriver'를 개발하여 정밀 디지털 정신건강의 실현 가능성을 입증했습니다.
이 논문은 수술 중환자 치료 선택을 위해 인과 효과 트리 (causal effect-trees) 와 보정 (calibration) 분석을 통합하여 통계적 노이즈와 실제 임상적 신호를 구분하고, 신뢰할 수 있는 하위 집단에서만 개인화된 치료 규칙을 배포할 수 있는 프레임워크를 제안합니다.
이 논문은 민감도 향상 프롬프트 전략을 적용한 로컬 배포형 200 억 파라미터 LLM 이 체계적 문헌고찰의 초록 선별에서 인간 심사자보다 4.7 배 빠르며, 특히 기술 관련 주제에서 높은 성능을 보였으나 도메인에 따라 정확도가 달라 인간 심사자와의 병행 사용을 권장한다고 요약할 수 있습니다.
본 연구는 전통·보완·통합의학 (TCIM) 저널 편집자들이 인공지능의 잠재력을 인정하면서도 윤리적 우려와 제도적 지원 부재로 인해 실제 편집 및 동료 검토 과정에서의 활용은 제한적임을 보여주는 설문 결과를 제시합니다.
이 논문은 2005 년부터 2021 년까지 잉글랜드의 ECHILD 데이터를 활용하여 미성년 보호아동 (UASC) 의 인구통계학적 특성을 분석하고, 사회보호·교육·보건 데이터 간 연계율을 평가함으로써 해당 아동들의 교육 및 건강 결과를 연구할 수 있는 기반을 마련했습니다.
이 논문은 다양한 역할의 에이전트 간 상호작용을 통해 실시간 데이터에서 임상 증거를 추출하고 임상 시험 설계를 자동화하여 개선하는 에이전트 기반 프레임워크인 'EmulatRx'를 제안하고, 급성 및 만성 질환에 대한 MIMIC-IV 및 INSIGHT 네트워크 데이터를 통해 그 유효성을 입증합니다.
이 논문은 데이터 부족과 스타일 이질성 문제를 해결하기 위해 프롬프트 기반 생성 모델과 휴리스틱 변환을 결합한 통합 증강 프레임워크를 제안하고, 이를 통해 감정 강도 분류의 성능과 도메인 간 전이 학습 효과를 입증했습니다.
이 논문은 All of Us 연구 프로그램의 대규모 Fitbit 데이터를 활용하여 수면 조절의 두 과정 모델 (circadian 및 homeostatic) 을 적용해 수면 행동을 해석 가능한 점수로 변환함으로써, 우울증 등 다양한 질환과 수면의 연관성을 규명하고 건강 개입에 활용할 수 있는 프레임워크를 제시합니다.