라벨이 없는 멀티모달 의료 데이터의 지도 학습을 위한 딥 러닝 기반 자가 학습 모델 개발 및 응용

본 과제는 임상 정보, 환경, 복용력, 사회력, 영상 정보 등 서로 다른 멀티모달 의료 데이터의 복잡한 관계를 그래프 신경망으로 분석하여 질병 예측과 진단 정밀도를 높이기 위한 연구임. 연구 목표는 Graph Neural Network(GNN) 기반 자가 학습 모델로의 고도화에 있음. 실제 서울대병원 데이터와 공공 의료 데이터, 건강검진 데이터를 활용해 supervised graph neural network를 선행 적용하고, Graph contrastive learning을 포함한 self-supervised learning으로 label이 부족한 의료 데이터를 효과적으로 학습하는 구조를 구축하는 내용임. 이를 통해 다양한 수준의 의료 데이터 상호작용을 모델링하고 Interpretable deep learning으로 발전시켜 정밀 의료와 의료 인공지능 실용화에 기여하는 효과가 기대됨.