Multimodal Doctor-in-the-Loop: A Clinically-Guided Explainable Framework for Predicting Pathological Response in Non-Small Cell Lung Cancer
Created by
Haebom
Category
Empty
저자
Alice Natalina Caragliano, Claudia Tacconi, Carlo Greco, Lorenzo Nibid, Edy Ippolito, Michele Fiore, Giuseppe Perrone, Sara Ramella, Paolo Soda, Valerio Guarrasi
개요
본 연구는 신보조 치료를 받는 비소세포폐암 환자의 병리학적 반응을 예측하기 위해 다중 모달 딥러닝과 내재적 설명 가능한 인공지능 기술을 결합한 새로운 접근법을 제시합니다. 기존의 방사선유전체학 및 단일 모달 딥러닝 접근법의 한계점을 극복하기 위해 영상 및 임상 데이터를 통합하는 중간 융합 전략을 도입하여 데이터 모달리티 간의 효율적인 상호 작용을 가능하게 합니다. 제안된 다중 모달 Doctor-in-the-Loop 방법은 임상의의 도메인 지식을 훈련 과정에 직접 통합하여 모델의 초점을 넓은 폐 영역에서 특정 병변으로 점진적으로 유도함으로써 임상적 관련성을 더욱 향상시킵니다. 결과는 향상된 예측 정확도와 설명 가능성을 보여주며 임상 적용을 위한 최적의 데이터 통합 전략에 대한 통찰력을 제공합니다.
시사점, 한계점
•
시사점:
◦
다중 모달 딥러닝과 설명 가능한 AI 기술을 결합하여 비소세포폐암 환자의 병리학적 반응 예측 정확도 향상.
◦
중간 융합 전략을 통해 영상 및 임상 데이터 통합의 효율성 증대.
◦
Doctor-in-the-Loop 방법을 통해 임상의의 도메인 지식을 활용, 모델의 예측 성능 및 설명 가능성 향상.
