스칸디나비아 언어(노르웨이어, 스웨덴어, 덴마크어)를 대상으로 한 의료 NLP 연구는 스웨덴어에 편중되어 있으며, 노르웨이어와 덴마크어에 대한 연구는 부족합니다. 데이터 및 모델 공유 부족 또한 문제점으로 지적되며, 균형 있는 연구 발전과 협력 강화가 필요합니다.

Yan 등 연구진이 개발한 MMCR 데이터셋은 다중 이미지 다회차 대화를 포함하는 방대한 훈련 데이터와 다양한 도메인을 포함하는 벤치마크로 구성되어, 기존 시각 언어 모델의 성능을 크게 향상시켰습니다. 공개될 MMCR 데이터셋과 프롬프트 엔지니어링은 인공지능 분야의 혁신을 가속화할 것으로 기대됩니다.

Raúl Ortega와 José Manuel Gómez-Pérez가 개발한 SciClaims는 LLMs 기반의 종단 간 과학적 주장 분석 시스템으로, 의료 분야 과학 논문의 주장 검증 과정을 자동화하여 정확성과 효율성을 크게 향상시켰습니다. 기존 시스템의 한계를 극복하고 새로운 기준을 제시한 SciClaims는 의료 연구 발전에 크게 기여할 것으로 기대됩니다.

Nijesh Upreti와 Vaishak Belle의 연구는 귀납 논리 프로그래밍(ILP)을 통합한 신경-기호 접근법을 통해 약하게 감독된 학습(Weak Supervision), 특히 다중 인스턴스 부분 라벨 학습(MI-PLL)의 해석력 및 신뢰성 문제를 해결합니다. 이는 모델의 투명성과 책임성을 향상시켜 고위험 분야에서의 AI 활용 가능성을 높입니다.

Stefan Rass와 Martin Dallinger의 연구는 AI 모델 훈련 데이터에 존재할 수 있는 숨겨진 오류 패턴을 검출하는 새로운 방법론을 제시합니다. 규칙 기반 회귀 분석을 활용하여 데이터의 왜곡 여부를 효과적으로 검증하고, 퍼지 추론과 회귀 모델의 장점을 결합하여 설명 가능성과 통계적 유의성을 확보합니다. 소규모 데이터에도 적용 가능하며 오픈소스로 공개되어 활용성을 높였습니다.