▲ 사진=전북대  © 특허뉴스

전북대학교 김광수 교수(통계학과·(사)한국인공지능학회 부회장)와 연세대학교 강상욱 교수(통계데이터사이언스학과) 공동 연구팀이 생존분석 모델의 예측 확률 신뢰도를 대폭 향상시키는 새로운 보정 알고리즘 KSP(Kolmogorov-Smirnov metric-based Post-Hoc Calibration)을 개발했다. 이번 연구 성과는 인공지능 분야 최고 권위 학회인 NeurIPS 2025(미국 샌디에이고·멕시코시티 개최)에 논문으로 채택되며, 국내 연구진의 AI 이론 연구 경쟁력이 세계적으로 인정받았다.

생존확률 예측의 핵심, ‘정합성’ 문제 해결

의료·바이오 등 고위험 분야에서 생존확률 예측은 단순한 판별 정확도를 넘어 ‘얼마나 정확히 위험확률을 예측하느냐’가 관건이다. 하지만 심층신경망(Deep Neural Network) 기반 생존모형의 등장 이후 판별력은 향상된 반면, 실제 생존확률과 예측 확률의 불일치 문제는 더욱 심화되는 추세였다.

이에 연구팀은 통계적 거리 측도인 Kolmogorov-Smirnov metric(KS metric)에 주목해 이를 개량한 KS-cal과 사후보정 프레임워크 KSP를 제안했다. KSP는 예측된 누적분포함수를 단조 증가함수(logit 등)를 통해 변환하고, KS-cal을 최소화함으로써 확률 정합성을 정량적으로 개선하는 방식이다.

단순·효율·정확 3박자 갖춘 신개념 보정 알고리즘

KSP는 기존 방법들이 필요로 하는 구간화(bin)나 표본 추출 과정 없이 작동하며, 표본 크기에 따른 계산 시간 증가도 거의 없다. 또한 판별력(Discrimination) 손실 없이 정합성(Calibration) 성능을 크게 끌어올렸다.

연구진은 DeepSurv, MTLR 등 6개 생존모형과 WHAS, METABRIC 등 10개 벤치마크 데이터셋을 활용해 총 60개 실험을 수행한 결과, 약 70%의 경우에서 KSP가 가장 높은 정합성을 보였고 나머지에서도 동급 성능을 유지, 높은 강건성을 입증했다.

AI 기반 위험예측 신뢰성 향상 기대

KSP는 복잡한 사후보정 절차 없이도 간단히 적용 가능한 구조를 갖춰, 의료·금융·보험 등 위험 예측이 중요한 분야에서 실질적 활용 가능성이 높다. 생존분석 연구자뿐 아니라 인공지능 모델 보정이 필요한 다양한 영역에서 새로운 표준으로 자리잡을 것으로 기대된다.

김광수 교수는 “전 세계에서 약 3만 편의 논문이 제출된 NeurIPS 2025에 논문이 채택된 것은 매우 큰 의미가 있다”며 “2~3년에 걸친 공동연구의 결실이며, 앞으로도 국내외 연구자들과의 협력을 통해 AI의 신뢰성과 해석 가능성을 높여가겠다”고 말했다.