전북대학교 김광수 교수(통계학과·(사)한국인공지능학회 부회장) 연구팀과 연세대학교 강상욱 교수(통계데이터사이언스학과) 연구팀으로 구성된 공동 연구진이 생존분석 모형의 확률 정합성을 개선하는 새로운 캘리브레이션 알고리즘 KSP(Kolmogorov-Smirnov metric-based Post-Hoc Calibration)를 개발하였다.

이 연구는 이번 12월 미국 샌디에이고와 멕시코시티에서 개최되는 인공지능 분야의 최상위 학회 NeurIPS 2025에 논문으로 채택되었다.

의료·바이오 등 고위험 분야의 의사결정에서 예측값 만큼 예측 확률의 정합성은 중요한 문제이다. 어느 개체가 위험한가를 판별하는 판별력과 함께 실제 생존확률을 정확히 예측하는 것은 생존분석 활용의 신뢰도를 좌우한다.

최근 심층 신경망의 도입으로 판별력이 향상되었으나, 실제 위험확률과 예측 확률의 불일치 정도는 오히려 증가하는 경향을 보였다. 이에 연구진은 Kolmogorov-Smirnov metric (KS metric)에 주목하여 KS metric을 개량한 KS-cal이라는 측도와 KSP를 제안했다.

KSP는 로짓(logit)과 같이 단조 증가하는 연결함수를 이용한 예측된 누적분포함수를 변환하고 이를 통해서 KS-cal을 최소화하는 단순하고 효율적인 사후 보정 프레임워크다.

KSP로 이미 확보된 판별력의 희생이 거의 없이 기존의 어떤 방법들보다 더 높은 확률 정합성을 달성했고, 다른 방법들과 달리 KSP는 구간을 정하거나 표본을 추출해야 하는 추가적인 과정이 없어 표본 크기에 따른 추론 시간이 크게 증가하지 않았다.

DeepSurv, MTLR 등 6개 모형과 WHAS, METABRIC 등 10개의 벤치마크 데이터셋을 조합한 총 60개 설정 중 약 70%에서 KSP가 가장 우수한 성능을 보였고, 다른 경우에도 동급의 성능을 보여 강건성을 입증하였다.

또한, KSP는 생존분석 연구자들이 쉽게 활용 가능한 간편성과 효율성을 갖추고 있어 인공지능을 통한 위험 판별의 정확성 및 신뢰성이 더 높아질 것으로 기대된다. 

전북대학교 통계학과 김광수 교수는 “전 세계 인공지능 연구자들이 이번 NeurIPS 2025에 3만여 편의 논문을 투고한 것으로 확인된다. 아마 역대 최대 규모의 학회가 될 것으로 보이는데, 이런 학회에 논문이 채택되어 2~3년간 노력해 온 연구가 성과를 보게 되어 기쁘게 생각한다”며 “학내외 및 국내외 여러 연구자들과의 협력과 여러 기관들의 지속적인 지원을 기대한다”라고 밝혔다.

한편, 이번 연구는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받았으며, 교육부의 재원으로 추진되는 한국연구재단의 G-램프(LAMP) 사업의 지원을 받아 수행되었다.