종단적 및 시간-이벤트 모델링을 위한 다중모드 경험적 베이즈 변분 오토인코더

요약

본 논문은 종단적 측정값, 드롭아웃 정보, 유전적 공변량을 통합하는 경험적 베이즈 변분 오토인코더(EB-VAE) 프레임워크를 제안합니다. 이 프레임워크는 잠재 개체 효과와 위험 모델을 결합하여 종양 성장과 드롭아웃 시간을 공동으로 예측하며, 유전학적 조건화 기능을 통해 높은 사전 예측 성능을 달성했습니다.

핵심 포인트

• EB-VAE를 확장하여 종단적 및 시간-이벤트 공동 모델링에 적용함.
• 잠재 개체 효과와 위험 모델 결합으로 종양 성장과 드롭아웃 시간을 공동 예측.
• 유전학적 조건화가 피부 흑색종 및 유방암에서 사전 예측 능력을 향상시킴.
• 하이브리드 디코더는 신경망 성능에 근접하면서도 생물학적 해석 가능성을 유지함.