LG AI Research: 불완전한 멀티모달 데이터를 극복하는 알츠하이머 예측 모델 MOIRA

실제 임상 현장에서는 비용이나 침습성 문제로 인해 모든 환자가 MRI, 유전체, 바이오마커 등 모든 검사를 완벽히 수행하기 어렵습니다. 기존의 멀티모달 AI 연구들은 모든 항목이 갖춰진 '완전한 데이터'만을 사용했기에, 데이터 활용도가 낮고 일반화 성능이 떨어지는 한계가 있었습니다.

LG AI연구원이 개발한 MOIRA(Multi-Omics Integration with Robustness to Absent Modalities)는 결측된 모달리티가 있어도 신뢰할 수 있는 예측을 제공하는 프레임워크입니다. 이 모델은 세 가지 핵심 요소로 구성됩니다.

• 인코더(Encoders): 각기 다른 모달리티 데이터를 동일한 차원의 임베딩 공간으로 매핑
• 적응적 통합 모듈(Adaptive Fusion Module): 존재하는 모달리티에만 가중치를 부여하고 결측된 데이터는 마스킹하여 통합 임베딩 생성
• 예측 모듈(Predictor): 통합된 임베딩을 바탕으로 최종 분류 수행

학습 과정에서는 예측 손실, 보조적 임베딩 손실, 그리고 **CLIP 스타일의 대조 손실(Contrastive Loss)**을 결합하여 모달리티 간 정렬을 최적화하고 Modality Collapse를 방지합니다.

실험 결과, MOIRA는 알츠하이머 연구의 표준 데이터셋인 ROSMAP에서 0.920, ADNI에서 0.911의 정확도를 기록하며 기존 연구 대비 최고 수준의 성능을 달성했습니다. 특히 데이터의 양을 늘릴수록 정확도가 떨어지는 기존 모델의 트레이드오프 문제를 해결하며, 데이터셋의 확장성과 예측 정확도를 동시에 확보했습니다.