DeepGB-TB는 기침 소리와 기본 인구 통계 데이터만을 사용하여 결핵 위험 점수를 즉시 할당하는 비침습적 시스템입니다. 경량 1차원 합성곱 신경망(CNN)과 그래디언트 부스팅 의사결정 트리(GBDT)를 결합하여 오디오 데이터와 표 형태의 데이터를 처리합니다. 주요 혁신은 모달리티 간에 중요한 단서를 반복적으로 교환하는 Cross-Modal Bidirectional Cross-Attention (CM-BCA) 모듈로, 임상의가 증상과 위험 요소를 통합하는 방식을 모방합니다. 거짓 음성 예측에 더 큰 페널티를 부과하는 결핵 위험 균형 손실(TRBL)을 사용하여 누락 사례를 최소화하는 데 중점을 둡니다. 7개국 1,105명의 환자 데이터셋에서 AUROC 0.903, F1-score 0.851을 달성하여 새로운 최첨단 기술을 제시합니다. 계산 효율성이 높아 일반적인 모바일 기기에서 실시간 오프라인 추론이 가능하며, 자원이 부족한 환경에 적합합니다. 또한 임상적으로 검증된 설명을 생성하여 최전선 의료 종사자의 신뢰와 채택을 높입니다.
시사점, 한계점
•
시사점:
◦
기침 소리와 인구 통계 정보만으로 결핵 위험을 정확하게 예측하는 비침습적이고 효율적인 AI 기반 시스템을 제시.
◦
저자원 환경에서도 실시간으로 사용 가능한 휴대성과 접근성.
◦
임상적으로 검증된 설명 가능성을 통해 의료 종사자의 신뢰도 향상 및 시스템 채택 증진.
◦
기존 진단법의 높은 비용과 복잡성을 극복하여 대규모 결핵 선별 검사 가능성 확대.
◦
높은 AUROC 및 F1-score를 통해 기존 기술 대비 성능 향상.
•
한계점:
◦
연구에 사용된 데이터셋의 다양성에도 불구하고, 특정 인구 집단이나 지역에 대한 일반화 가능성에 대한 추가 연구 필요.
