연구진은 전자 의료 기록 기반 모델(FEMR)의 블랙박스 문제를 해결하기 위해 토큰 수준 설명 가능 접근 방식인 X-FEMR을 제안했어요. 트랜스포머 기반 서브 모델을 활용해 FEMR의 작동 방식을 모방하고 예측에 영향을 미치는 토큰을 식별해요. 새로운 임상적 연관성 지표를 통해 서브 모델의 핵심 토큰과 임상적으로 검증된 특징 간의 일치성을 평가했어요.
X-FEMR은 FEMR 예측을 정확하게 모방하고 토큰 수준 설명이 임상 지식과 잘 일치함을 보여주며 신뢰할 수 있는 임상 AI를 위한 실용적인 프레임워크를 제공해요. 연구 결과는 FEMR이 다양한 환자 병력 측면을 활용하는 방식을 이해하는 데 도움을 줘요.
연구진은 FEMR의 편향, 해석 가능성, 임상적 신뢰에 대한 우려를 해결하기 위해 토큰 수준 설명 가능 접근 방식을 개발했어요.