우수기계학습기준에 대한 10가지 원칙 발표
  • 2021.11.05

우수기계학습기준에 대한 10가지 원칙 발표 

 


 

- 미국, 캐나다 그리고 영국 규제당국은 의료기기의 우수기계학습기준(good machine learning practice)
  에 대한 10가지 원칙을 발표했음. 

- 이는 다른 분야에서 입증된 우수 기준의 채택을 촉진하고, 의료 기술에 적용할 수 있도록 이러한
  기준을 수정하고, 헬스케어 분야만의 새로운 기준을 만들기 위해 제정되었음. 

- 발표된 10가지 원칙은 아래와 같음. 
  1. 제품의 전주기(total product life cycle) 동안 다양한 분야의 전문 지식을 활용하고, 모델이 임상
     과정에 어떻게 통합되는지 이해해야 함. 
  2. 소프트웨어 엔지니어링 및 보안 관련 우수 기준은 데이터 품질 보증, 데이터 관리 그리고 사이버보안
     기준을 포함함. 
  3. 임상 연구 참가자 및 데이터 세트는 환자 모집단을 대표하며, 연구 결과는 모집단에 일반화됨.
  4. 학습(training) 데이터 세트는 테스트 데이터 세트와는 독립적임. 
  5. 참고(reference) 데이터 세트는 사용 가능한 최상의 방법을 기반으로 선택해야 함. 
  6. 모델 설계는 사용 가능한 데이터에 맞추어야 하며, 기기의 사용 목적을 반영해야 함. 또한 과적합
     (overfitting), 성능 저하 및 보안 위험과 같이 알려진 위험을 완화시켜야 함. 
  7. 인공지능 모델 그 자체보다는 인공지능 팀 구성원들의 성과에 집중해야 함. 
  8. 테스트는 임상 조건 동안의 기기 성능을 보여주며, 이는 환자 모집단, 주요 하위집단, 임상 조건, 
     사용된 측정 방법 그리고 잠재적인 교란 변수(confounding factor) 등을 고려해야 함. 
  9. 사용자들은 명확하고 필수적인 정보를 제공받아야 함. 이러한 정보에는 제품의 사용 목적 및 증상,
     모델을 테스트하고 방향을 잡을 때 사용한 데이터, 알려진 한계 그리고 임상 과정 통합 등이 있음.
  10. 선정된 모델의 성능을 모니터링 해야 하며, 재교육의 위험성을 관리해야 함. 



※ 위 내용은 원문의 내용을 요약한 것이며 자세한 내용은 아래의 원문을 참고하시기 바랍니다.