[CTAD 2025] 불완전한 데이터로 알츠하이머를 더 효과적으로 예측하는 멀티모달 프레임워크, MOIRA

알츠하이머와 같은 복잡한 뇌 질환을 예측하기 위해서는 유전체, MRI, 인지 검사 등 다양한 데이터를 통합하는 멀티모달(Multimodal) 접근 방식이 필수적입니다. 하지만 실제 임상 현장에서는 비용이나 침습성 문제로 인해 특정 검사 데이터가 누락되는 불완전한 모달리티(Incomplete modality) 문제가 빈번하게 발생합니다.

기존의 멀티모달 AI 모델들은 모든 데이터가 완벽하게 갖춰진 샘플만을 학습에 사용했기 때문에, 데이터가 일부 누락된 환자의 경우 모델의 예측 정확도가 떨어지거나 분석 대상에서 제외되는 한계가 있었습니다.

LG AI Research가 개발한 **MOIRA(Multi-Omics Integration with Robustness to Absent modalities)**는 이러한 문제를 해결하기 위해 설계된 프레임워크입니다. MOIRA는 데이터가 누락되더라도 높은 예측 정확도를 유지하며 다음과 같은 핵심 구조를 가집니다.

• Encoders: 각 모달리티별 전용 인코더를 통해 서로 다른 형태의 데이터를 동일한 차원의 임베딩 공간으로 매핑합니다.
• Adaptive Fusion Module: 서로 다른 모달리티의 특징을 통합하여 결합된 표현을 생성합니다.
• Predictor: 통합된 임베딩을 바탕으로 최종적인 질병 예측을 수행합니다.

이 기술을 통해 연구진은 MRI나 CSF(뇌척수액) 바이오마커와 같은 핵심 데이터가 누락된 상황에서도 환자의 데이터를 배제하지 않고 효과적으로 활용할 수 있는 기반을 마련했습니다.