인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
복합질환은 여러 질환이 동시에 존재하는 상태로, 환자의 건강 상태와 치료 과정 전반에 중대한 영향을 미친다. 그러나 질환 조합의 다양성과 비정형적인 진행 양상으로 인해 기존의 통계 및 딥러닝 기반 접근만으로는 예측에 한계가 있다. 또한 기존 연구는 전자건강기록 데이터 중심의 임상적 변수에 편중되어 있어 비임상적 요인을 충분히 반영하지 못하는 한계가 있다. 본 연구는 이러한 문제를 해결하기 위해 Health and Retirement Study(HRS) 데이터를 활용하여 환자-질병 이종 네트워크를 구성하고, 링크 예측 기반의 환자-질병 연관성 예측 방법론을 제안한다. 이때, 그래프 신경망을 적용해 각 노드별 임베딩을 학습하고, 환자-질병 노드 쌍의 상호작용을 엣지 단위에서 정교하게 포착하기 위해 네 가지 결합 표현의 전문가로 이루어진 Mixture of Experts 기반 링크 예측기를 적용한다. 실험 결과, 제안하는 모델은 테이블 기반 기법과 그래프 신경망 기법 대비 우수한 예측 성능을 보였으며, 특히 뇌졸중 보유 집단에서는 AUROC 기준 약 5.3%, AUPRC 기준 약 4.43%의 성능 향상을 달성하였다. 또한 Mixture of Experts의 도입은 기본 구조 대비 약 6.9%의 성능 개선을 보였으며, 모델 구조 변경 실험과 시각화 분석을 통해 네 가지 전문가 구성의 타당성을 검증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096737874
