다국적 연구진이 10만 건 이상의 전립선암 데이터를 활용한 연구를 통해, 기초 모델(FM)이 모든 상황에서 과업 특정 모델(TS)보다 우수한 것은 아니라는 사실을 밝혔습니다. 데이터가 풍부할 경우 TS 모델의 성능이 FM을 능가하며, FM의 높은 에너지 소비량 또한 문제점으로 지적되었습니다. 이 연구는 의료 AI 개발에서 성능 뿐 아니라 에너지 효율성 및 임상 적용 가능성을 고려해야 함을 강조합니다.

러시아 연구진이 개발한 RuCCoD 프로젝트는 제한된 의료 자원을 가진 러시아어 환경에서 AI를 활용한 의료 코드 자동 분류 시스템 구축에 성공하여 의료 효율성 및 데이터 정확도 향상에 기여할 것으로 기대됩니다. 최첨단 AI 모델과 전이 학습 기법을 활용하여 높은 정확도를 달성했으며, 향후 다양한 언어와 의료 환경에 적용될 잠재력을 지닙니다.

AI 시스템의 능력이 인간을 넘어서는 상황에서의 감독 문제를 해결하기 위해, 인간의 AI 시스템에 대한 신념을 모델링하는 새로운 접근법이 제시되었습니다. 이를 통해 인간의 피드백 해석을 개선하고, 기초 모델을 활용한 확장 가능한 감독 시스템 구축 가능성을 열었습니다. 하지만 신뢰성 및 정확성에 대한 추가 연구가 필요합니다.

본 논문은 복잡한 현실 세계에서 작동하는 AI 시스템의 윤리적 문제를 해결하기 위해 확률적 추론과 지식 표현을 통합한 새로운 컴퓨팅 윤리 프레임워크를 제시합니다. 이 프레임워크는 개별 및 다중 에이전트 시스템 모두에서 확장 가능한 윤리적 추론을 지원하며, 상황에 맞는 의사결정을 가능하게 합니다.

AI 기반의 혁신적인 결핵 치료 지원 시스템 개발 연구가 발표되었습니다. 대규모 언어 모델(LLM)을 활용하여 의료진과 환자 간의 소통을 개선하고, 환자 참여도를 높임으로써 저소득 국가의 결핵 치료 성공률을 높이는 것을 목표로 합니다. 디지털 기술과 AI의 시너지 효과를 통해 전 세계 공중 보건 향상에 기여할 것으로 기대됩니다.