Governing Trust in Health AI: A Qualitative Study of Cybersecurity Professionals Perspectives
이 연구는 의료 AI 의 신뢰성이 기술적 성능보다는 사이버 보안 전문가들이 강조하는 거버넌스, 책임성, 그리고 인간 감독을 통한 제도적 신뢰 구축에 의해 결정됨을 규명합니다.
📄 Category
health informatics
193 편의 논문
Bias in respiratory diagnoses by Large Language Models (LLMs) in Low Middle Income Countries (LMICs)
이 연구는 북미와 유럽 중심의 대규모 언어 모델 (LLM) 이 저소득 및 중소득 국가 (LMIC) 의 호흡기 진단 시 고소득 국가 역학에 편향되어 현지 의사의 진단 범위보다 덜 적합한 진단을 제시함을 보여주었습니다.
GEN-KnowRD: Reframing AI for Rare Disease Recognition
이 논문은 대규모 언어 모델을 진단 추론이 아닌 지식 생성 계층에 활용하여 희귀질환 인식의 정확성과 확장성을 획기적으로 개선한 'GEN-KnowRD' 프레임워크를 제안하고, 이를 통해 진단 지연을 줄이고 임상 연구 인프라를 강화할 수 있음을 입증합니다.
Can Machine Learning Algorithms use Contextual Factors to Detect Unwarranted Clinical Variation from Electronic Health Record Encounter Data during the Treatment of Children Diagnosed with Acute Viral Pharyngitis
이 논문은 기계 학습 알고리즘이 소아 급성 바이러스성 인두염 치료 시 전자 건강 기록의 맥락적 요인을 활용하여 절대적 불필요한 임상 변이를 효과적으로 탐지하고 설명할 수 있음을 입증했습니다.
Real-world EHR-derived progression-free survival across successive lines of therapy informs metastatic breast cancer risk stratification
이 논문은 전이성 유방암 환자의 전자기록 (EHR) 을 기반으로 방사선학적 진행 증거를 활용해 치료 라인별 무진행 생존 기간을 재구성하고 개인화된 위험 계층화를 가능하게 하는 새로운 프레임워크를 제시합니다.
PhenoSS: Phenotype semantic similarity-based approach for rare disease prediction and patient clustering
이 논문은 HPO(인간 표현형 온톨로지) 의 계층 구조와 표현형 간 상관관계를 고려하고 배치 효과를 보정하여 희귀 질환 예측 및 환자 군집화를 위한 통계적으로 엄밀하고 확장 가능한 프레임워크인 PhenoSS 를 개발하고 그 유효성을 입증했습니다.
Interpretable Fine-tuned Large Language Models Facilitate Making Genetic Test Decisions for Rare Diseases
이 논문은 비구조화된 임상 기록과 구조화된 Phecodes 를 분석하여 미국 의학유전학 및 유전체학 학회 (ACMG) 가이드라인을 해석하고 추론 과정을 설명하는 자기 증류 미세조정 (SDFT) 기법을 적용한 RareDAI 를 제안함으로써, 희귀질환의 유전자 검사 선택에 있어 기존 기계학습 모델보다 정확도와 해석 가능성을 크게 향상시킨 것을 보고합니다.
Anatomically and Biochemically Guided Deep Image Prior for Sodium MRI Denoising
이 논문은 해부학적 프로톤 MRI 와 대사적 나트륨 MRI 정보를 융합하여 방향성 총변분 정규화를 적용한 딥 이미지 프라이어 (DIP-Fusion) 프레임워크를 제안함으로써, 낮은 신호대잡음비와 긴 촬영 시간을 극복하고 가속화된 나트륨 MRI 의 화질을 획기적으로 개선함을 보여줍니다.
Leveraging large language models to address common vaccination myths and misconceptions
본 연구는 GPT-5, Gemini 2.5 Flash, Claude Sonnet 4 등 주요 대규모 언어 모델 (LLM) 이 백신 관련 오해에 대해 과학적으로 정확한 반박을 제공할 수 있음을 확인했으나, 응답의 언어적 복잡성과 프레이밍에 따른 스타일 차이로 인해 대중 접근성에는 개선이 필요함을 시사합니다.
Understanding Clinician Edits to Ambient AI Draft Notes: A Feasibility Analysis Using Large Language Models
이 논문은 대규모 언어 모델 (LLM) 을 활용한 프롬프트 엔지니어링이 의료진과 AI 간 문서 수정 유형 분류에 부분적으로 유효하나, 복잡한 맥락 의존적 범주의 경우 인간 검토를 위한 선별 도구로 활용하는 것이 적절함을 실증적으로 분석했습니다.
AI-Generated Responses to Patient's Messages: Effectiveness, Feasibility and Implementation
네덜란드 학술병원에서 실시한 이 연구는 환자 메시지 응답을 위한 생성형 AI 도구가 초기 기대와 달리 시간 절약 및 업무 효율성 측면에서 제한적인 효과를 보였으며, 사용률과 만족도가 시간이 지남에 따라 감소한 혼합된 결과를 도출하고, 이를 통해 기대치 관리, 워크플로우 개선 및 품질 기준 마련의 필요성을 강조했습니다.
A Clinical Theory-Driven Deep Learning Model for Interpretable Autism Severity Prediction
이 논문은 임상 이론을 모델 설계에 명시적으로 반영하여 사회적 및 운동적 구성 요소를 분리하고 구조화된 어텐션 메커니즘을 통해 통합함으로써, 자폐 스펙트럼 장애의 중증도를 예측할 때 높은 성능과 임상적 해석 가능성을 동시에 달성한 새로운 딥러닝 모델을 제안합니다.
Artificial Intelligence in Healthcare: 2025 Year in Review
이 논문은 2025 년 의료 AI 연구가 학술지 게재량 급증과 고전적 머신러닝에서 멀티모달 파운데이션 모델로의 전환을 통해 실용적 성숙 단계에 진입했음을 보여주며, 특히 영상 분야를 중심으로 임상 현장의 복잡성을 반영하는 다중 모달 모델의 확산이 가속화되고 있음을 분석합니다.
Improving Clinical Applicability of Heart Failure Readmission Prediction via Automated Feature Engineering
이 논문은 심부전 재입원 예측을 위해 자동화된 특징 공학 (Deep Feature Synthesis) 을 적용한 결과, 그라디언트 부스팅 트리 모델의 성능과 임상적 유용성이 향상되었으나 로지스틱 회귀 모델에서는 효과가 제한적이었음을 보여줍니다.
Does the type of publisher response to integrity concerns influence subsequent citations? A cohort study.
이 코호트 연구는 저널이 연구 부패에 대해 발행하는 편집자 성명서 (편집자 공지, 우려 표명, 철회 등) 의 유형이 해당 논문의 인용률 감소에 통계적으로 유의미한 차이를 보이지 않으며, 대조군 논문의 자연스러운 인용 감소 추이와도 차이가 없음을 보여주었습니다.
A Governance-Driven, Real-World Data-Calibrated Health Informatics Framework for Longitudinal Utilization Forecasting in Oncology and Complex Chronic Conditions
이 논문은 정적 시장 점유율 가정에 의존하는 기존 접근법의 한계를 극복하고, 실제 임상 데이터와 거버넌스 기반의 환자 흐름 모델을 통합하여 종양학 및 만성 질환의 장기적 의료 이용을 보다 정확하게 예측하는 새로운 건강 정보학 프레임워크를 제안합니다.
Act or Defer: Error-Controlled Decision Policies for Medical Foundation Models
이 논문은 의료 기초 모델의 안전한 배포를 위해 허위 발견률을 제어하고 유보된 환자에 대해 타겟 커버리지를 보장하는 계층적 합형성 프레임워크인 SO_SCPLOWTRATC_SCPLOWCP 를 제안하여, 안과 및 신경종양학 분야에서 오류 통제 의사결정 정책의 유효성을 입증했습니다.
On the robustness of medical term representations in locally deployable language models
본 연구는 15 개의 온프레미스 배포 가능 대규모 언어 모델을 분석한 결과, 모델의 크기나 의료 특화 파인튜닝이 임상적 견고성을 보장하지 않으며, 용어의 복잡성과 하위 도메인에 따른 성능 변동을 고려한 구체적인 검증이 안전 배포에 필수적임을 밝혔습니다.
Does the Sleep Regularity Questionnaire capture objective sleep-wake regularity? Evidence from wearable and sleep diary data.
이 연구는 수면 규칙성 질문지 (SRQ) 가 스마트 링 기반의 객관적 수면 지표와는 약한 상관관계를 보이나 일지 기반의 주관적 수면 품질 및 시간 변동성과는 moderate 한 관련성을 보여, 건강한 성인의 수면 규칙성 평가 시 객관적 모니터링을 대체하기보다 보완하는 도구로 활용될 수 있음을 시사합니다.
Patient-centric radiology: Utilising large language models (LLMs) to improve patient communication and education
이 연구는 대규모 언어 모델 (LLM) 을 활용하여 전문적인 방사선 보고서를 환자가 이해하기 쉬운 수준으로 단순화함으로써 가독성과 이해도를 크게 향상시키고, 이는 환자 중심의 의료 소통 강화에 큰 잠재력을 가진다는 것을 입증했습니다.