순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Artificial Epidemiology: A Decision-Theoretic Framework for Measuring AI-Induced Prevalence Divergence in Administrative Health Data
Florian Odilo Stummer, Hans Thulesius, Thomas Frese · Medical Sciences · 2026년 · 조회 14
왜 이 논문인가 — 선정 기준
NEW PAPER · 최근 발표된 참신한 논문 — 게재일 기준 최신 + 정상 등재 저널
2026-11 발표 · 게재 2일차 · Medical Sciences
NEW PAPER 슬롯은 2026년 11월 최신 발표이며, FWCI 7.2·동년 상위 4%라는 높은 인용 영향과 참신한 프레임워크가 선정 이유이다.
논문 요약
이 연구는 AI 기반 진단·코딩 도구가 행정 보건 데이터에서 질병 유병률을 왜곡할 가능성을 평가하기 위한 이론적 틀을 제시한다. 부분 관찰 마코프 결정 과정을 도입해 코딩 에이전트가 행정 기록은 정확히 관찰하지만 임상 상태는 지연·노이즈가 있는 상황을 모델링한다. 이를 기반으로 인공 역학 편차 D(C)=Pa(C)−Pc(C)를 정의하고, 민감도·특이도와 연결한 다섯 가지 측정 마커를 제안한다. 가설 검증을 위한 정량적 접근법을 제공한다.
후속 연구설계에 활용하기
실제 임상 레퍼런스와 행정 코딩을 연계해 D(C)와 제시된 마커를 측정함으로써 AI‑코딩 시스템의 유병률 왜곡 효과를 검증하는 실증 연구를 설계할 수 있다.
핵심어
인공지능인공 역학유병률 편차행정 데이터
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.