NEURON은 고성능 임상 AI 모델의 블랙박스 특성을 극복하기 위한 신경-상징 시스템으로, SNOMED CT 온톨로지 기반 구조적 표현과 머신러닝을 결합한다. RAG 기반 LLM 레이어가 SHAP 특성 기여도와 환자별 임상 노트를 자연어 설명으로 합성한다. MIMIC-IV 데이터셋 급성 심부전 사망률 예측에서 AUC가 0.74-0.77에서 0.84-0.88로 향상되었으며, 인간 정렬 지표 0.85로 원시 SHAP 시각화(0.50)를 크게 능가했다.
- •SNOMED CT 온톨로지 기반 구조적 표현과 ML을 결합하여 원시 데이터와 의학 명명법 간의 격차를 해소한다.
- •RAG 기반 LLM이 SHAP 특성 기여도와 임상 노트를 결합해 자연어 설명을 생성한다.
- •MIMIC-IV 급성 심부전 예측에서 AUC 0.74-0.77에서 0.84-0.88로 향상되었다.
- •인간 정렬 지표 0.85로 원시 SHAP 시각화(0.50)를 크게 능가하며 임상 신뢰성을 입증했다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
NEURON: A Neuro-symbolic System for Grounded Clinical Explainability
본문 미리보기
arXiv:2605.01189v1 Announce Type: new Abstract: Clinical AI adoption is hindered by the black-box/grey-box nature of high-performing models, which lack the ontological grounding and narrative transparency required for professional-level explainability. We present NEURON, a neuro-symbolic system designed to enhance both predictive reliability and clinical interpretability. NEURON integrates SNOMED CT ontology-informed structural representations with machine learning models to bridge the gap betw
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
