식도 운동 장애의 멀티모달 그래프 기반 분류

요약

본 연구는 고해상도 임피던스 마노메트리(HRIM) 기록과 환자 정보를 결합하고, 식도 생리학에 그래프 기반 모델링을 통합하는 멀티모달 머신러닝 분류 접근 방식을 제안합니다. HRIM 데이터는 시공간 그래프로 표현되며, 노드는 압력 값, 엣지는 공간적 인접성과 임피던스 역학을 나타냅니다. 이 GNN 기반의 멀티모달 모델은 환자 임베딩과 결합되어 식도 운동 장애를 분류하며, HRIM 특징만 사용하는 기존 모델보다 우수한 성능을 입증했습니다.

핵심 포인트

• HRIM 데이터의 복잡성을 해결하기 위해 그래프 기반 모델링(graph-based modeling)을 도입하여 시공간적 관계를 포착합니다.
• 환자 인구통계학적 정보, 임상 설문지, LLM으로 처리된 자유 형식 노트 등 다양한 모달리티를 통합하는 멀티모달 접근 방식을 사용했습니다.
• 그래프 신경망(GNN)을 활용하여 HRIM 데이터를 시공간 그래프로 모델링하고, 이를 환자 임베딩과 융합하여 분류 성능을 높였습니다.
• 제안된 멀티모달 및 그래프 기반 접근 방식은 기존의 단일 모달리티 또는 비전 기반 베이스라인보다 식도 운동 장애 진단에서 더 높은 정확도를 보였습니다.