다중 모달 EHR 데이터를 활용한 고안검 (Glaucoma) 진행 경로 분류를 위한 심층 커널 학습 (Deep Kernel Learning)

요약

본 논문은 다중 모달 전자의 건강 기록(EHR) 데이터를 활용하여 녹내장(Glaucoma) 환자의 진행 경로를 분류하는 새로운 심층 커널 학습(DKL) 구조를 제안합니다. 이 방법은 트랜스포머 기반 특징 추출기와 가우시안 프로세스(GP) 백엔드를 결합하여, 단순히 현재 질병 상태가 아닌 미래의 진행 위험을 예측할 수 있습니다. 연구 결과, 모델은 임상적으로 의미 있는 세 가지 환자 하위 그룹을 성공적으로 식별했으며, 특히 시력은 양호하지만 진행 경향이 악화되는 고위험군을 구분해내는 능력을 입증했습니다.

핵심 포인트

• 녹내장과 같은 만성 질환의 위험도 분류를 위해 다중 모달 EHR 데이터 활용이 중요합니다.
• 제안된 DKL 구조는 트랜스포머 기반 특징 추출기와 가우시안 프로세스를 결합하여 시계열 건강 데이터를 효과적으로 모델링합니다.
• 모델은 현재 중증도와 질병 진행 위험을 분리하여 학습함으로써, 임상적 의사결정 지원에 강력한 도구를 제공합니다.
• 특히, 이 방법은 시력은 좋으나 악화되는 고위험군과 같은 미묘한 환자 하위 그룹 식별이 가능함을 보여주었습니다.