Reducing Overconfidence in Obstetric AI: Development of an Evidential Learning-Based System for Early Prediction and Reliability-Aware Decision Support in High-Risk Pregnancy
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113807
과학기술정보통신부
한국연구재단
차의과학대학교 분당차병원
김진우
4명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
6,127만원
6,127만원
기초연구
기타
경기도 성남시
정보/통신 > 정보이론 > 인공지능
결측·희소 산과 데이터 환경에서 예측 위험도와 불확실성을 동시에 제시하여 과잉 확신을 방지하는 증거적 학습 기반 조기 예측 프레임워크를 개발하고, 향후 타 질환으로 확장 가능한 범용 구조를 확립하고자 함. - 1차 예측 대상 질환: 임신중독증, 임신성당뇨 (고위험임신 중 조기 개입 필요성이 높은 질환)
1. 불확실성 2종을 분리하여 계산하는 고위험임신 조기 예측 모델의 개발 ▷두 조건을 만족하는 고위험임신(임신중독증, 임신성당뇨) 조기 예측 모델 개발 (임신주수14주 이전 예측을 목표로 함) 조건1) 기존 첨단 모델에 준하는 예측 정확성 조건2) 2종의 불확실성을 아래처럼 조작적 정의하고 분리하여 추산 -Aleatoric uncertainty:...
1. 연구과제의 활용방안 본 개발 모델의 역할: 고위험임신의 가능성이 높은 관리 대상을 선정하고 순위화하여 한정된 의료 자원의 사용을 최적화하기 위한 임상의의 의사결정 지원2. 연구과제의 기대효과 ?임상적 측면: 기존 AI의 치명적 결함인 '과잉 확신'에 따른 오진 리스크를 극소화하고, '판단 유보' 및 선제적 정밀 검사를 유도함으로써 진료 현장에서의 환...