From Data-Driven to Purpose-Driven Artificial Intelligence: Systems Thinking for Data-Analytic Automation of Patient Care
Created by
Haebom
저자
Daniel Anadria, Roel Dobbe, Anastasia Giachanou, Ruurd Kuiper, Richard Bartels, Wouter van Amsterdam, Inigo Martinez de Rituerto de Troya, Carmen Zurcher, Daniel Oberski
개요
본 논문은 AI 기반 환자 치료 자동화에서 점점 더 중요해지는 데이터 기반 모델링 패러다임에 대한 성찰을 제공한다. 기존 실제 환자 데이터셋을 머신러닝에 재사용하는 것이 항상 최적의 모델 개발 접근 방식을 나타내는 것은 아니며, 환자 치료에 바람직하지 않은 결과를 초래할 수 있다고 주장한다. 데이터 기반 패러다임이 인기를 얻게 된 과정을 데이터 분석의 역사를 통해 설명하고, 시스템 사고와 임상 영역 이론이 기존 모델 개발 접근 방식을 보완하여 인간 중심적 결과에 도달할 수 있는 방법을 제시한다. 임상 이론과 실제 운영 환경의 사회기술적 현실에 기반한 목적 중심 머신러닝 패러다임을 제안한다. 기존 환자 데이터셋의 유용성을 이해하려면 데이터 생성(upstream)과 자동화 목표(downstream) 두 방향으로 살펴볼 필요가 있다고 주장한다. 이러한 목적 중심의 AI 시스템 개발 관점은 새로운 방법론적 기회를 열어주고 AI 기반 환자 치료 자동화에 대한 가능성을 제시한다.
시사점, 한계점
•
시사점:
◦
데이터 기반 모델링의 한계를 지적하고, 임상 이론과 시스템 사고를 통합한 목적 중심 머신러닝 패러다임의 필요성 제시
◦
데이터 생성 과정(upstream)과 자동화 목표(downstream)를 고려한 데이터셋 유용성 평가의 중요성 강조
◦
인간 중심적 결과를 위한 AI 시스템 개발의 새로운 방법론적 기회 제시
◦
AI 기반 환자 치료 자동화의 발전 방향 제시
•
한계점:
◦
목적 중심 머신러닝 패러다임의 구체적인 구현 방안 및 실증 연구 부족
◦
임상 이론과 시스템 사고를 데이터 기반 모델링에 효과적으로 통합하는 방법론에 대한 자세한 설명 부족
