의료 AI 모델의 강건성 테스트: MIMIC-III, eICU 및 SEER 데이터셋

본 연구는 심각한 질병 결과 예측에서 기계 학습 모델의 정확도를 평가합니다. 구체적으로는 48시간 이내 입원 중 사망 위험, 5년 생존율(유방암), 5년 생존율(폐암) 예측입니다. MIMIC-III, eICU, SEER 세 가지 데이터셋을 사용하여 LSTM, MLP, XGBoost 등의 모델을 적용했습니다. 모델의 강건성을 테스트하기 위해 속성 기반 변형, 경사 상승, 글래스고 혼수 척도 기반 접근 방식 등 다양한 테스트 케이스 생성 방법을 설계했습니다. 이러한 어려운 케이스에서 모델의 성능을 평가한 결과, 데이터셋과 방법에 따라 성능이 다르게 나타났으며, 신뢰성을 높이기 위한 추가 개선이 필요함을 시사합니다.