의료 인공지능(AI) 기업 에이아이트릭스(대표 김광준)는 시계열 데이터에 대한 인공지능 설명 기법을 개선한 연구 논문이 세계 최고 수준의 머신러닝 학술대회인 ICML(International Conference on Machine Learning) 2025에서 공식 채택됐다고 1일 밝혔다.

이번에 채택된 논문은 시계열 데이터에 특화된 AI 설명 기법 ‘TIMING: Temporality-Aware Integrated Gradients for Time Series Explanation)’에 대한 연구로 시계열 예측 모델 예측 근거를 명확히 파악하고, 모델 판단 과정 투명성을 강화하는 데 기여했다.

기존 시계열 데이터에 대한 최신 설명 기법은 각 시점 기여도 크기만을 평가하고, 긍정적 또는 부정적 방향성은 고려하지 않아, 상반된 영향을 구분할 수 없는 구조적 한계가 있었다.

에이아이트릭스 연구팀은 이러한 문제를 해결하기 위해 방향성을 포함 기여도 분석이 가능한 방식으로 기존 방식을 개선하고, 이를 정량적으로 평가할 수 있는 새로운 지표인 누적 예측 차이(Cumulative Prediction Difference, CPD)와 누적 예측 보존(Cumulative Prediction Preservation, CPP)을 제안했다.

연구팀은 제안된 평가 지표를 통해 최신 시계열 설명 기법들보다 전통적인 Integrated Gradients (IG)가 더 우수한 성능을 보인다는 사실을 확인했다. 이에 IG 강점을 유지하면서 시계열 데이터에 맞게 개선한 새로운 기법 ‘TIMING’을 제안했다.

TIMING은 구간 기반 무작위 마스킹 방식을 통해 시간적 의존성을 차단하고, 각 시점 기여도를 더욱 정확히 측정한다.

의료 데이터를 포함 다양한 시계열 데이터 셋에서 실험한 결과, 예측에 핵심적인 시점을 명확히 식별하며 기존 설명 가능한 인공지능(XAI) 기법들보다 우수한 성능을 입증했다.

에이아이트릭스 김창훈 연구원은 "이번 연구는 AI 예측 결과에 대한 근거 중심 설명 제공과 투명성 확보를 통해 의료진 임상 의사결정에 실질적인 도움을 줄 수 있다는 점에서 큰 의미가 있다"고 밝혔다.