만성 B형 간염 입원 환자의 다중 위험 계층화
임상 인공지능(AI)은 예측 성능과 해석 가능성 사이에서 종종 상충 관계를 보인다. 본 연구는 만성 B형 간염 입원 환자의 다중 결과 위험 계층화를 위한 해석 가능성 중심의 특징 공학 프레임워크를 개발했다. 22,001명의 환자로부터 얻은 36,024건의 입원 기록을 분석에 포함했다. SHAP(SHapley Additive exPlanations) 기반의 주 효과 및 상호작용 효과를 통합한 프레임워크를 활용하여 질병 비진행, 간경변증(LC), 간세포암종(HCC)을 분류하는 경량 머신러닝 모델을 구축했다. SHAP 주 효과는 각 결…