시계열 데이터 AI설명기법 개선 연구 ICML 2025 논문 채택

에이아이트릭스, 시계열 AI 설명 기술로 의료 신뢰도 높여

에이아이트릭스(AITRICS, 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 30일 밝혔다.

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

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

에이아이트릭스 연구팀은 이러한 문제를 해결하기 위해 방향성을 포함한 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 IG의 강점을 유지하면서 시계열 데이터에 맞게 개선한 새로운 기법 ‘TIMING’을 제안했다. 

TIMING은 구간 기반 무작위 마스킹 방식을 통해 시간적 의존성을 차단하고, 각 시점의 기여도를 더욱 정확히 측정한다. 의료 데이터를 포함한 다양한 시계열 데이터 셋에서 실험한 결과, 예측에 핵심적인 시점을 명확히 식별하며 기존의 설명 가능한 인공지능(XAI) 기법들보다 우수한 성능을 입증했다.

에이아이트릭스 김창훈 연구원은 “시계열 데이터는 특히 의료처럼 안전성과 정밀성이 요구되는 분야에서 핵심적으로 활용된다”며 “이번 연구는 AI 예측 결과에 대한 근거 중심의 설명 제공과 투명성 확보를 통해, 의료진의 임상 의사결정에 실질적인 도움을 줄 수 있다는 점에서 큰 의미가 있다”고 강조했다.

한편, ICML은 1980년부터 개최된 세계 최고 권위의 머신러닝 학술대회로, 최신 인공지능 기술과 연구 성과를 공유하는 대표적인 국제 컨퍼런스다. 올해로 42회를 맞은 ICML 2025에서 에이아이트릭스의 논문은 전체 제출작 중 상위 3% 이내에 선정되어 ‘스포트라이트(Spotlight)’ 발표로 채택, 기술적 우수성과 연구 혁신성을 공식적으로 인정받았다.