인과관계 추론 기반 Biomedical World Model 아키텍처 설계

Context

기존 Medical AI는 단순 데이터 인식과 예측에 치중하여 실제 의료 현장의 핵심인 '개입(Intervention)'에 따른 환자 상태 변화 예측에 한계 노출. 상관관계 기반의 예측 모델은 인과적 추론 능력이 부족하여 실제 치료 경로의 궤적 변화를 검증하는 데 부적합한 구조임.

Technical Solution

• 단순 예측 모델을 넘어 State → Intervention → Trajectory → Feedback → Evidence로 이어지는 순환 구조 설계
• 환자의 생물학적 상태와 개입 수단을 독립적으로 정의하는 State 및 Intervention Representation 레이어 구축
• 개입 후 상태 변화를 시뮬레이션하는 Transition Model과 가상 시나리오를 비교하는 Counterfactual Engine 도입
• 데이터 기반 예측에 생물학적 메커니즘 제약(Mechanism Constraints)을 결합하여 모델의 물리적 타당성 확보
• 실세계 피드백 루프를 통한 모델 Calibration과 불확실성 추정(Uncertainty Layer) 기반의 감사 체계 통합