혈액 검사로 암을 조기 진단하는 AI 모델

모델 개발을 위해 152명의 환자 데이터를 수집하고, 24개의 RET 변이를 분석했다. 구체적으로 논문 기반 데이터를 활용하여 데이터 불균형 문제를 해결했다. 따라서 데이터 증강 기법을 통해 모델의 일반화 성능을 향상시켰다.

모델의 핵심 목표는 암 진단 누락 방지였다. 5가지 ML 모델을 비교 평가하여 재현율(Recall) 100%를 달성했다. 반면 정확도(Accuracy)는 낮을 수 있지만, 안전성을 최우선으로 고려했다. 결과적으로 조기 진단 가능성을 높였다.

모델의 투명성을 위해 Gradio를 사용하여 대화형 데모를 배포했다. 구체적으로 혈액 검사 결과를 입력하면 암 발생 위험도를 예측할 수 있다. 따라서 사용자 친화적인 인터페이스를 통해 모델의 접근성을 높였다.