An Operational Loop for Selecting Safe Updates to Deployed ICU Early Warning Models
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066574
교육부
한국연구재단
전남대학교산학협력단
이도현
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
개발연구
대학
광주광역시 북구
정보/통신 > 정보이론 > 인공지능
본 연구의 최종목표는 배포 후 환경 변화로 인해 더 이상 안전하지 않을 수 있는 임상 예측 모델을, 실제 의료 현장에서 신뢰성 있게 유지·관리할 수 있는 운영 원리를 확립하는 것이다. 의료 AI는 도입 시점의 성능만으로 끝나지 않으며, 병원·시기·환자군이 달라지면 동일한 모델이라도 위험 환자를 놓치거나 불필요한 경보를 과도하게 발생시킬 수 있다. 그럼에도 ...
본 연구는 배포된 임상 예측 모델을 성능 저하가 보일 때마다 일괄적으로 재학습하는 방식이 아니라, 실제 운영에서 어떤 환경에서 위험이 발생하는지를 먼저 감시하고, 필요한 경우에만 사전에 정의한 개입 후보를 검토·적용하는 의료 AI 운영 프레임워크를 구축하고자 한다. 최근 의료 AI의 배포 전략은 개발 단계의 정적 성능평가를 넘어, 배포 후 지속 감시, sh...
본 연구의 성과는 배포 후 의료 AI 관리의 가장 큰 공백인 문제를 발견한 뒤 무엇을 어떻게 할 것인가에 대한 기준을 제공한다는 점에서 의미가 있다. 현재 의료 AI의 사후관리는 대체로 성능 저하나 데이터 변화 탐지에 집중되어 있으나, 실제 현장에서는 감지 이후에도 모델을 그대로 둘지, 수정할지, 수정한다면 어떤 방식이 안전한지를 결정해야 한다. 본 연구...