Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Heart2Mind: Human-Centered Contestable Psychiatric Disorder Diagnosis System using Wearable ECG Monitors

Created by
  • Haebom

저자

Hung Nguyen, Alireza Rahimi, Veronica Whitford, Helene Fournier, Irina Kondratova, Rene Richard, Hung Cao

개요

Heart2Mind는 웨어러블 심전도(ECG) 모니터를 이용한 인간 중심의 논쟁 가능한 정신 질환 진단 시스템이다. 심박수 변이도(HRV) 및 R-R 간격(RRI) 시계열과 같은 심장 생체 지표를 자율 신경계 기능 장애의 객관적인 지표로 활용한다. 시스템은 심장 모니터링 인터페이스(CMI), 다중 스케일 시간-주파수 변환기(MSTFT), 논쟁 가능한 진단 인터페이스(CDI)의 세 가지 주요 구성 요소로 이루어져 있다. MSTFT는 HRV-ACC 데이터셋에서 91.7%의 정확도를 달성했으며, 자기 대립적 설명(SAE)은 모델 예측의 불일치를 감지하고, 대규모 언어 모델(LLM)은 임상의가 정확한 예측을 검증하고 잘못된 예측에 대해 이의를 제기할 수 있도록 한다. 이 연구는 웨어러블 기술, 설명 가능한 인공 지능(XAI), 논쟁 가능한 LLM을 결합하여 임상 감독을 유지하면서 고급 AI 기능을 활용하는 투명하고 논쟁 가능한 정신 질환 진단 시스템을 만드는 것이 가능함을 보여준다.

시사점, 한계점

시사점:
웨어러블 기술과 AI를 활용하여 정신 질환 진단의 객관성 및 접근성을 향상시킬 수 있음을 보여줌.
MSTFT를 통해 기존 방법보다 높은 정확도의 진단 가능성 제시.
SAE와 LLM을 통합하여 모델의 투명성과 신뢰성을 높이고 임상의의 검토 및 이의 제기를 가능하게 함.
공개적으로 접근 가능한 시스템 구현을 통해 연구의 재현성과 확장성 확보.
한계점:
HRV-ACC 데이터셋에 대한 의존성으로 일반화 가능성에 대한 추가 연구 필요.
다양한 정신 질환 및 인구 집단에 대한 시스템 성능 평가 추가 필요.
LLM의 설명에 대한 임상의의 수용성 및 신뢰도에 대한 추가 연구 필요.
SAE의 효율성과 정확성에 대한 추가적인 검증 필요.
👍