임상 환경에서 특히 지방간 질환의 예측과 관련하여 제한된 라벨 데이터의 문제를 해결하기 위해, 본 연구는 반지도 학습 프레임워크 내에서 그래프 표현 학습의 잠재력을 탐색한다. 그래프 신경망(GNN)을 활용하여, 본 접근법은 건강검진 데이터로부터 위험 패턴을 식별하기 위해 대상(피험자) 유사성 그래프를 구성한다. 다양한 GNN 접근법의 효과는 라벨이 매우 적은 표본에서도 입증된다. 방법론의 핵심은 설명 가능한 GNN을 통해 인간 중심적 설명을 포함하는 것으로, 향상된 해석 가능성과 임상적 관련성을 위한 개인화된 특징 중요도 점수를 제공하며, 그래프 표현 학습과 인간 중심적 설명에 중점을 둔 본 접근법이 의료 실무를 발전시키는 데 기여할 수 있음을 강조한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.