만성 질환 중 고안검 (glaucoma) 과 같은 환자의 위험도를 효과적으로 분류하는 것은 주요 임상적 과제입니다. 의사는 희소하고 불규칙하게 샘플링된 전자의 건강 기록 (EHRs) 을 활용하여 진행 위험이 높은 환자를 식별할 수 있는 도구를 필요로 합니다. 우리는 다중 모달 EHR 데이터를从高안검 환자 경로를 모델링하기 위해 적용한 트랜스포머 기반 특징 추출기를 기반으로 하는 가우시안 프로세스 (Gaussian Process, GP) 백엔드를 활용하는 새로운 심층 커널 학습 (DKL) 구조를 제안합니다. 우리의 방법은 임상적으로 구별되는 세 가지 환자 하위 그룹을 성공적으로 식별했습니다. 특히, 이 모델은 질병 진행과 현재 중증도를 분리하여 학습하며, 두 번째로 안정적으로 나쁜 그룹보다 평균 시력 (visual acuity) 이 더 좋지만 진행 경향이 악화되는 고위험군을 식별합니다. 이는 모델이 단순히 현재 질병 상태를 식별하는 것이 아니라 진행 위험을 식별하는 것을 배운다는 것을 보여줍니다. 환자의 위험도 진행에 기반하여 분류할 수 있는 능력은 임상 의사결정 지원에 강력한 도구를 제공하며, 고위험 개인을 위한 표적 개입을 가능하게 하고 고안검 관리의 향상을 도모합니다.