이 페이지는 기계 번역된 영어 페이지입니다. 영어 원본 보기
연구자들, 임상의사들과 인스퍼레이션 연구원들이 Computational Psychiatry, 내부感覺, 임상 의사 결정 지원 및 의료 AI 안전을 모델링 프레임워크로 활용하기 위한 활동에 참여하고 있습니다.
건강의료는 불확실성 관리 문제로, 숨겨진 질병 상태를 추론하고 기대 자유能을 기반으로 행동을 선택하는 것
이 페이지에서
의료은행은 생물학적 상태의 규제, 질병 과정에 대한 불확실성을 줄이기 위한 제도화, 그리고 증상과 치사 선택을 위해 부족한 증거 아래에서 지속적으로 수행되는 진단 및 치사 행동들 — 이 문제들이 활동적인 인ference의 기본 구조인 생성 모델, 예측 오류, 기대 자유 에너지, 그리고 정책 선택에 직접 일치한다는 점이 활동적 인ference의 핵심 구성 요소와 매핑됩니다. 지난 decade 동안 의생명공학, 내부자감각과 통증, 디트윈, 의료 로봇, 그리고 — 가장 최근에 — 클리나픽한 의사결정 지지 도구를 사용하는 대형 언어 모델의 안전성에 대한 문헌이 성장했습니다. 대부분의 이 작업은 여전히 이론적이나 시뮬레이션 기반입니다만, 의생명공학과 내부자감각 psychopathology 분야의 리뷰가 시작으로 학문을 통합하고 있으며, "활동적인 인ference AI"가 의료에서 도달할 수 있는 개념적 길잡이를 제시합니다.
臨床practice是 continual inference of hidden causes — 病理过程 — 从 noisy, partial, 和 delayed 观察 (症狀，實驗室檢查，影像學檢查) 開始，然後是行動選擇 (測試，治療)，這必須平衡學習患者狀況與改善結果。Active inference 正式化了這一點為最小化期望自由能，它分解為 epistemic value (解決不確定性) 和 pragmatic value (實現預期的結果)，給出診斷和治療選擇的一個單一變分描述。架構強調維持生理變量在可接受範圍內也映射到 homeostasis 和 allostasis：interoceptive signals 被視為觀察，調節基準點被視為先驗，而如焦慮、慢性疼痛或飲食障礙等病症則是不正確生成模型或適應性先驗的後果。
심리학과 정신의학 분야에서 가장 성숙한 연구가 있습니다: Badcock과 Davey는 활동적인 인ference를 학습, 주시 그리고 정신질환을 통합하는 패러다임으로서의 잠재력을 탐구하고 있으며, Kirchner 등은 이론이 증상 프로파일과 생성 모델의 매개변수(우리가 가정한 사전 확률, 정밀도) 사이에 연결되어 개인화된 치료 선택을 지도할 수 있음을 주장합니다. 예를 들어 우울증을 과거적이고 부정적인 사전 확률과 감소된 정밀도로 모델링하는 방법입니다. 내재성 인지와 통증은 두 번째 클러스터가 됩니다: Paulus, Feinstein, 그리고 Khalsa의 내재성 심리학 질환에 대한 설명과 Petzschner 등이 내재성 인지와 알lost시스에 대해 리뷰를 통해 불안, 패닉, 기능적 유체질환은 내재성 인ference 실패로 해석됩니다. 그리고 특정한 활동적인 인ference 이론은_placebo 통증 완화가 어떻게 신경계가 대립하는 노사이zeń 신호로부터 사전 확률을 업데이트하거나 소음을 무시하여 다양한 플라제어 트레일러를 생성할 수 있는지 설명합니다. 피오-로페즈 등은 이 프레임워크를 형태학 생성에 확장하여 세포와 조직 수준의 과정이 자유 에너지를 최소화하는 방법으로 암, 유착증, 재생 의학을 다시 해석할 수 있음을 제안합니다. 그러나 이것은 여전히 추측적입니다. 결정지배 연구(새로운 다양성/변동, eLife를 통해 출판됨)는 활동적인 인ference 모델이 표준 강화 학습보다 행동과 신경 correlate에 대한 설명을 더 잘하는 것을 분명하게 입증합니다.
보고서는 의료 전용적인 활성 인퍼인스 소프트웨어가 널리 사용되지 않는다는 결과를 보여주며, 연구자들은 일반적 용도의 활성 인퍼인스 라이브러리를 수정하고 확장한 프로시저 프로그래밍 코드를 의학적 구조체에 맞게 사용하여 시뮬레이션과 매개변수 조정을 위한 대부분의 작업에 집중합니다. 3가지 명명된 응용 프로그램 패턴이 가장 가까운 실제 프로젝트로 떠오르며, '활성 디티어' 아키텍처를 사용하여 의료 환자나 기관 모델이 정보를 주기적으로 찾아내는 대신에, '의료용 활성 인퍼인스 AI와 공간 웹을 활용한 앤트라이크'라는 제목의 Cancer Journal 보고서에서 의학적 투명회의 개념 보고서가 있습니다. 여기에는 디티어가 다양한 치제 정책 하에 서로 다른 치제를 탐색하는 가상의 투명회의 예시가 포함됩니다. 그리고 로봇공학 분야에서는 레알리스미션 인터페이스 연구소의 사례 연구와 Da Costa 등이 작성한 리뷰에서, 활성 인퍼인스가 실제 로봇 운동 제어를 이끌며, 프로테스틱과 재활에 대한 명확한 확장이 제안되었습니다. 2025년 npj 의료 디트메디컬 논문은 클리나 LLM 질문을 직접 활성 인퍼인스 정책으로 처리하여 모델 출력의 기대 자유 에너지를 최소화하는 데 초점을 맞춘 것으로, 이는 LLM 기반 의료 장치를 위한 접근 방식을 제안합니다.
중앙적 틈은 검증이다: 우울증 모델링, 인터오셉션, 또는 플라시보 응답을 포함한 활성 추론 모델들은 일반적으로 임상 결과와 비교하거나 철저하게 비교되지 않았으며, 의료 요구하는 고정형, 다수 스케일, 다모드 생성 모델링을 연결하기 위한 표준화된 프로세스가 필요하다는 것이 의학 분야에 대한 틈이다. 기술적으로 어려운 작업이지만, 분자, 기관 및 행동 데이터와의 링크를 만드는 고정형, 다수 스케일, 다모드 생성 모델링을 요구한다. 상태공간 설계, 누락된 데이터, 그리고 대규모 인퍼전 알고리즘에 대한 오픈 질문이 있다. 또한 윤리적 및 규제적인 질문도 해결되지 않았다: 어떤 선호도(생존, 증상 완화, 생활 질)가 사전 확률로 어떻게 인코딩되어야 하는지, 생성 모델이 역사 데이터로부터 유전된 사전 확률을 어떻게 방지하는지, 그리고 탐색적 (epistemic) 행동을 얼마나 제한하여 임상 위험을 일으키지 않도록 하는지에 대한 질문이다. 보고서는 디트윈, 활성 추론 AI 및 LLM 피칭 전략을 개념적으로 다루며, 인간 감독 아래에서 시범적인 의사 결정 지원 역할을 수행하는 플랫폼으로부터 더 자율적인 의료 사용으로 이동하기 전까지는 어떤 움직임도 하지 않는다.
Karl J. Friston (2010). 자유 에너지 원리: 하나의 뇌 이론? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Christopher L. Buckley, Chang Sub Kim, Simon McGregor, Anil K. Seth (2017). 자유 에너지 원리와 행동 및 감각: 수학적 리뷰. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2017.09.004. Thomas Parr, Giovanni Pezzulo, Karl J. Friston (2022). 활동적인 인퍼전: 자유 에너지 원리가 마음, 뇌 및 행동에 대한 통합 이론. MIT Press. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). 활동적인 인퍼전, 자기 조절 및 적응적 행동 제어. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Paul B. Badcock, Christopher G. Davey (2024). 활동적인 인퍼전의 심리학과 정신의학: 현재까지의 진보. Entropy. DOI: 10.3390/e26100833. Lukas Kirchner, Anna-Lena Eckert, Max Berg (2022). 파손된 모델로부터 치료 선택으로: 활동적인 인퍼전이 치리 연구 및 실천을 위한 도구로 사용되는 방법. Clinical Psychology in Europe. DOI: 10.32872/cpe.9697. Frederike H. Petzschner, Sarah N. Garfinkel, Martin P. Paulus, Christof Koch, Sahib S. Khalsa (2021). 인터오셉션 및 체의 조절에 대한 계산기 모델: 신경과학 분야의 테크노시안. Trends in Neurosciences. DOI: 10.1016/j.tins.2020.09.012. Martin P. Paulus, Justin S. Feinstein, Sahib S. Khalsa (2019). 인터
주요 표면
{Active Infer.} {AII}은 단일 생성 모델 형식이 세포 및 메모겐틱 과정, 기관 기능, 그리고 인지/행동 상태 사이를 연결하여 하나의 질환 모델 내에서 유당 섭취 장애나 정신질환과 같은 여러 수준 모델을 제안합니다.
진단과 치제 선택을 기대되는 자유 에너지로 점수 매기는 정책으로 봅니다 이론적 가치를 가진 검사(정보 획득)와 환자에게 부여될 상용적인 비용이나 위험성을 균형 잡아야 합니다
대부분 인용된 의료 적용 - 디트wins, Active Inference AI, LLM 주문 안전 전략 등은 개념적이나 시뮬레이션 기반이며 보고서는 실제 치병실에서의 실用화 전까지 임상 임식체험을 수행해야 함을 명시적으로 강조합니다.
관련 자료
외부 링크는 공유 레지스트리에서 해결되므로 방문자용 목적지는 중앙 집중화되고 확인 가능합니다.
Audience: Researcher
Research and publication-oriented repository for the Active Inference Journal.
Audience: Researcher
External paper repository surfaced from the official research page.
Audience: Researcher
Reachable arXiv reference surfaced from the official research page.