리서치 연구
유방암 진단을 위한 설명 가능한 AI의 구조별 평가 연구
Architecture-aware Robustness Evaluation of Explainable Deep Learning for Breast Cancer Diagnosis
arXiv유방암 진단 시스템의 투명성 확보를 위해, 연구진은 9가지 XAI 기법을 다양한 구조의 심층 학습 모델에 체계적으로 평가하는 프로토콜을 제시했습니다.
세 줄 요약
- 분석 결과, 특정 설명 기법 하나가 만능이 아니며, 설명 품질은 모델 아키텍처와 사용된 XAI 방법 간의 상호작용에 의해 결정됨을 확인했습니다.
- 본 연구는 의료 AI 기반 의사결정 지원 시스템(CDSS) 구축 시, 단순히 성능만 볼 것이 아니라 투명성을 확보하는 통합적 접근이 필수임을 강조합니다.
- 따라서 설명 가능성은 모델 설계와 적용 전략이 분리될 수 없는 복합 요소이므로, 두 요소를 반드시 함께 고려해야 합니다.
유방암 진단 시스템의 투명성 확보를 위해, 연구진은 9가지 XAI 기법을 다양한 구조의 심층 학습 모델에 체계적으로 평가하는 프로토콜을 제시했습니다.