Explainable AI-Based Pediatric Growth Prediction and Assessment Using Case-Based Reasoning with Longitudinal Body Composition Data
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710115112
과학기술정보통신부
한국연구재단
강원대학교
천도현
3명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
4,439만원
4,439만원
기초연구
대학
강원특별자치도 춘천시
정보/통신 > 정보이론 > 인공지능
... 연구책임자는 선행연구에서 ML 기반 아동청소년 신장 예측 모델을 개발하여(Chun et al., 2025, Digital Health) 이러한 한계를 확인하였으며, 이는 본 연구에서 CBR로 전환하는 직접적 출발점이 됨.CBR은 \"타겟 아동과 유사한 체성분의 아동들이 이후 어떻게 성장했는지\"를 직접 제시하여, 예측 근거가 시스템 설계 자체에 내장되는 ante-hoc 설명가능 AI 접근임. ...
본 연구는 연구책임자가 협업 연구를 통해 확보한 아동청소년 성장 코호트(159,901명, 759,226건, 2013년부터 14년간 축적)의 종단 체성분 데이터를 활용하여 CBR 기반 설명가능한 성장 예측·평가 시스템을 3년간 연차별로 개발함. 체성분 분석기(InBody 등)로 측정된 제지방량(FFM), 체지방량(BFM), 체지방률(BFMP), 제지방지수(F...
... AI 패러다임의 의료 적용 기반을 마련하여, post-hoc 설명 중심의 현 의료 AI 연구에 새로운 방법론적 방향을 제시함- (경제·산업적 측면) CBR 기반 설명가능한 성장 예측 엔진은 디지털 헬스케어 서비스에서 의료 AI의 투명성을 제고하는 기술적 기반이 되며, 비침습적 체성분 기반 성장 예측·평가 서비스의 상용화 가능성을 제시함- (사회적 측면) 아동청소년 성장 장애의 조기 ...