3D ReX는 최초의 인과 관계 기반 3D 의료 영상 분석 사후 설명 가능성 도구로, 의료 영상 AI 모델의 예측 과정을 투명하게 보여줌으로써 의사들의 신뢰도를 높이고 정확한 진단 및 치료에 기여할 것으로 기대됩니다. 특히 뇌졸중 탐지 모델에 대한 실험을 통해 그 효과성을 검증했습니다.

Xinpeng Wang 등 연구진이 개발한 ClusMFL 프레임워크는 연합학습 기반으로 뇌 영상 분석에서 모달리티 불완전성 문제를 해결합니다. ADNI 데이터셋 실험 결과, 다양한 불완전성 수준에서 최첨단 성능을 보이며 의료기관 간 협력 연구에 새로운 가능성을 제시합니다.

Shruti Joshi 등 연구진이 발표한 희소 변화 자동 인코딩(SSAE)은 기존의 비용이 많이 드는 감독 방식을 벗어나 비지도 학습을 통해 LLM을 효율적으로 조향하는 획기적인 방법을 제시합니다. Llama-3.1 임베딩을 사용한 실험 결과를 통해 SSAE의 효과를 입증했습니다.

31명의 연구진이 발표한 논문에서 분산 기반 모델(FedFMs)의 10가지 핵심적인 문제점을 제시했습니다. 이는 기초 이론, 데이터, 이질성, 보안 및 개인 정보 보호, 효율성 등 다섯 가지 핵심 측면을 다루며, 미래의 FedFMs 발전을 위한 중요한 이정표를 제시합니다.

스마트 미터 데이터의 공간적 상관관계를 활용한 단기 부하 예측 모델인 STGNN의 효과를 분석한 연구 결과, 주택 단위 예측 정확도 향상을 확인했지만 집계 단위에서는 효과가 미미하여 공간적 상관관계의 계층적 영향에 대한 추가 연구 필요성을 제기했습니다.