여성 건강(펨테크) AI에서 필요한 것은 더 정확한 예측이 아니라 '불확실성 설계'라는 제품 전략 분석이다. 배란은 직접 측정되지 않는 잠재 사건인데도 앱들은 "15일차, 확신도 78%" 같은 거짓 정밀성을 내놓는다며, 실제 140만 주기 분석에서 66만여 주기는 배란 감지가 불가능했고 정확히 28일 주기는 13%에 그쳤다는 데이터를 근거로 든다. 저자는 데이터 검증, 추론 캘리브레이션, 오류 결과 매핑, 통제 정책, 워크플로 실행, 책임 루프의 6층 구조를 제안하며, 같은 78%라도 증거량에 따라 다르게 응답하고 '아직 모른다'는 응답을 설계된 상태로 두라고 강조한다. 피임 등 고위험 결정에는 더 엄격한 임계값을 적용하고 FDA CDS 가이드라인을 초기 설계에 반영해야 한다는, 헬스케어 AI 제품 전반에 적용 가능한 프레임워크다.

• •정확도보다 '결정 무결성' — 예측이 행동할 만큼 강한지를 시스템이 아는 게 핵심이라는 주장
• •140만 주기 분석에서 66만여 주기는 배란 감지 불가, 정확히 28일 주기는 13%에 불과
• •데이터 검증부터 책임 루프까지 6층 구조의 '캘리브레이션된 결정-행동' 방법론 제안
• •정보·행동·재생산·임상 4단계 결과 등급별로 증거 임계값과 허용 표현을 차등 적용
• •2026년 1월 개정 FDA CDS 가이던스 등 규제를 초기 설계에 반영해야 한다고 강조
• •'거짓 안심률' 같은 제품 레벨 지표와 사후 재구성 가능한 응답 기록 필요성 제기