임상 궤적 예측을 위한 PGP-Clinical-TimeKAN 프레임워크 소개
PGP-Clinical-TimeKAN: Prior-Guided Joint Probabilistic Forecasting of Clinical Trajectories
arXiv환자의 임상 악화 과정을 예측하는 'PGP-Clinical-TimeKAN'이라는 궤적 기반의 신규 프레임워크가 소개되었습니다.
- 이 모델은 결측치를 고려한 시간 인코딩과 장기 시스템의 사전 지식(prior)을 결합하여 높은 예측 정확도(MAE/RMSE)를 달성했습니다.
- 임상 상태 변화는 복합적이므로, 개별 지표가 아닌 '다변량 생리 데이터의 전체 궤적'을 예측하는 것이 중요합니다.
- 다만, 모델이 도출한 위험 점수 자체는 전문 분류기에 비해 성능이 떨어졌으며, 생리 데이터 예측만으로 최종 임상 진단을 내릴 수는 없습니다.
PGP-Clinical-TimeKAN은 임상 악화가 단일 진단 레이블이 아닌 결합된 부분 관찰 궤적(trajectories)을 통해 발생한다는 전제에서 출발하여, 다변량 생리 데이터의 공동 확률론적 예측을 위한 '궤적 우선(trajectory-first)' 프레임워크입니다. 이 모델은 결측치를 고려한 시간 인코더, 소프트 장기 시스템 사전 지식(soft organ-system prior), 환자별 관계 등을 통합하여 작동합니다.
MIMIC-IV에서 파생된 코호트(6,882명 환자, 54,694개 창)를 대상으로 24시간 및 6시간 예측을 수행한 결과, PGP-Clinical-TimeKAN은 정규화 MAE 0.37727 +/- 0.00029와 가장 낮은 RMSE 0.52656 +/- 0.00034를 달성했습니다. 확률론적 예측의 경우, 주변 NLL은 0.66380, CRPS는 0.27301을 기록하며 높은 성능을 보였습니다.
연구 결과에 따르면, 관계 구조(relational structure)를 제거했을 때 가장 큰 제거 손실(ablation loss)이 발생했습니다. 또한, 이 모델로 도출된 궤적 기반 위험 점수는 전용 GRU-D 분류기(AUROC 0.650 대비 0.603)보다 성능이 낮아, 정확한 생리 데이터 예측만으로는 임상 진단에 사용될 수 없다는 한계가 제시되었습니다.