의료 AI의 데이터 중심 파운데이션 모델
파운데이션 모델(FM)의 등장은 계산 보건 분야에 새로운 기회를 제공하고 있습니다. 사전 학습 데이터와 인간의 지시를 통해 상호작용하는 이 모델들은 데이터 특성 분석, 품질, 규모를 강조하는 데이터 중심 AI 패러다임을 촉발했습니다. 하지만 의료 AI 분야에서 고품질 임상 데이터를 확보하고 처리하는 것은 데이터 양, 주석 처리, 환자 프라이버시, 윤리적 문제 등 오랜 도전 과제였습니다. 본 조사는 FM 시대(모델 사전 학습부터 추론까지)에 걸쳐 의료 워크플로우를 개선하기 위한 광범위한 데이터 중심 접근 방식을 탐구합니다. 특히 AI 보안, 평가, 그리고 인간 가치와의 정렬이라는 핵심 관점들을 논의합니다. 이를 통해 변화하는 의료 환경에서 FM 기반 분석이 환자 결과와 임상 워크플로우를 향상시킬 수 있는 유망한 전망을 제시합니다. 관련 파운데이션 모델 및 데이터셋 목록은 공개 저장소(https://github.com/Yunkun-Zhang/Data-Centric-FM-Healthcare)에서 확인할 수 있습니다.