Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Neural ODE를 활용하여 희소하고 불규칙한 종단적 데이터를 처리하는 ENC-ODE 모델을 제안합니다. 이 모델은 진단 조건부 연속 역학을 통해 알츠하이머병과 같은 신경퇴행성 질환의 바이오마커 변화를 정밀하게 예측합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기임상 바이오마커 (biomarker)의 시간적 진화를 정확하게 예측하는 것은 알츠하이머병 (Alzheimer's disease)과 같은 신경퇴행성 질환의 조기 진단 및 관리에 매우 중요합니다. 그러나 이는 시간에 따른 바이오마커의 변화를 포착하기 위해 종단적 데이터 (longitudinal data)에 의존해야 하는데, 이러한 데이터는 높은 비용, 노동 집약적인 특성 및 환자의 부담으로 인해 종종 희소하고 불규칙적입니다. 이러한 과제를 해결하기 위해, 우리는 Neural ODE (Ordinary Differential Equations)를 이용한 연속 시간 기반의 이벤트 수준 신경퇴행 모델링인 ENC-ODE를 제안합니다. ENC-ODE는 진단 조건부 연속 역학 (diagnosis-conditioned continuous dynamics)을 통해 임상 이벤트를 모델링함으로써 미래의 바이오마커 진화를 예측합니다. 타겟 조건부 어텐션 메커니즘 (target-conditioned attention mechanism)은 이력 압축 (history compression) 없이 타겟 시간 및 양상 (modality)에 대한 이벤트 수준 예측에 가중치를 부여하고 이를 집계합니다. 알츠하이머병 신경영상 이니셔티브 (Alzheimer's Disease Neuroimaging Initiative, ADNI) 데이터셋을 활용한 광범위한 실험을 통해, ENC-ODE가 대표적인 시퀀스 모델 (sequence models)보다 뛰어난 성능을 보임을 입증하였으며, 임상 지원을 위한 확장 가능하고 신경과학적으로 근거 있는 솔루션을 제공합니다. 코드는 https://github.com/JardinDelSol/enc-ode 에서 확인할 수 있습니다.