Accurate and Interpretable Postmenstrual Age Prediction via Multimodal Large Language Model
Created by
Haebom
저자
Qifan Chen, Jin Cui, Cindy Duan, Yushuo Han, Yifei Shi
개요
본 논문은 신생아 뇌 MRI를 이용하여 임신 후 나이(PMA)를 정확하게 예측하는 동시에 의학적으로 관련성 있는 설명을 생성하는 다중 모달 대규모 언어 모델(MLLM)을 제시합니다. Qwen2.5-VL-7B 모델에 지시어 튜닝과 저계층 적응(LoRA)을 사용한 매개변수 효율적인 미세 조정(PEFT) 전략을 적용하여 네 개의 2D 피질 표면 투영 맵을 학습 데이터로 사용했습니다. 훈련과 추론을 위한 구분된 프롬프트를 사용하여 훈련 중에는 회귀 작업을 수행하고 추론 중에는 의학적으로 관련된 설명을 생성하도록 모델을 설계했습니다. 결과적으로 95% 신뢰 구간이 0.78주에서 1.52주인 낮은 예측 오차를 달성하면서 발달적 특징에 근거한 해석 가능한 결과물을 생성하는 성과를 보였습니다. 이는 신생아 신경과학 분야에서 투명하고 신뢰할 수 있는 AI 시스템으로 향하는 중요한 진전입니다.
