PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.13350v1cs.LG

임상 머신러닝에서의 숨겨진 데이터 문제

Hidden Data Challenges in Clinical Machine Learning

전자의무기록(EHR)에 널리 재사용되는 전처리 파이프라인은 정보가 언제 사용 가능해졌는지, 레이블이 어떤 임상 에피소드를 나타내는지, 그리고 결측(missingness)이 무엇을 의미하는지에 대한 가정을 내재할 수 있다. 이러한 가정은 체계적으로 검증되는 경우가 드물며, 전처리 파이프라인이 재사용되거나 변형될 때 후속 연구들로 전파될 수 있다. 우리는 MIMIC-IV를 사례 연구로 사용하여, 전처리 정합성(alignment)의 세 가지 상호보완적 형태—시간적(temporal), 의미적(semantic), 모집단(population) 정합성—에 대한 위반을 식별하고 정량화하며, 이는 시간적 유출(temporal leakage), 특징-과제 불일치(feature-task misalignment), 편향된 결측치 대체(biased imputation)로 나타난다. 우리는 타임스탬프 의미론, 에피소드 정의, 엔드포인트 구성, 모달리티 선택, 결측치 처리 방식의 모호성이 모델이 이용할 수 있는 정보를 어떻게 바꾸고 그 예측의 해석에 어떻게 영향을 미치는지를 보여준다. MIMIC-IV 데이터 분석과 실증적 사례 연구를 통해, 우리는 이러한 선택들이 집계된 예측 성능(aggregate predictive performance)에서는 대체로 드러나지 않으면서도 모델이 의존하는 신호(signal)는 변화시킬 수 있음을 입증한다. 우리는 MIMIC-IV 및 관련 전자의무기록 데이터셋에 대해 시간적으로 유효하고, 임상적으로 정합하며, 재현 가능한 전처리를 위한 실용적인 권고안을 도출한다. 제안하는 전처리를 포함한 실험 코드는 https://github.com/m2l-lab/mimic-iv-preprocess 에서 확인할 수 있다.