초록
질병 진행 모델은 개인 수준의 건강 경로를 예측하고 질병 동학을 이해하는 데 중요한 도구입니다. 기존 모델들은 환자의 예후를 정확히 예측하거나 질병 병리생리학의 임상적으로 해석 가능한 표현을 제공할 수 있지만, 두 가지 모두를 동시에 달성하기는 어렵습니다. 본 논문에서는 복잡한 질병 진행 표현을 포착하면서도 임상적 해석성을 유지하는 깊은 확률적 모델인 단계적 주의 상태 공간(PASS) 모델을 개발합니다.마르코비안 상태 공간 모델과 달리 PASS는 기억이 없는 동역학을 가정하지 않고, 주의 메커니즘을 사용하여 "기억 있는" 상태 전환을 유도합니다. 이 과정에서 반복적으로 업데이트되는 주의 가중치가 미래 상태를 가장 잘 예측하는 과거 상태 실현에 초점을 맞춥니다. 이로 인해 생성된 주의 가중치를 통해 해석 가능한 복잡하고 비정상적인 상태 동역학이 발생하며, 이 가중치는 각 환자의 실현된 상태 변수들 간의 관계를 지정합니다.PASS는 시간 게이트가 매개변수화된 진동에 의해 제어되는 단계적 LSTM 유닛(Phased LSTM units)을 사용하여 연속 시간에서 주의 가중치를 생성합니다. 이는 불규칙하게 샘플링되고 잠재적으로 누락된 의료 관찰 값을 처리할 수 있게 합니다. 실제 환자 집단 데이터에 대한 실험 결과, PASS는 정확성과 해석성 사이의 균형을 성공적으로 조절함을 보여주었습니다. 즉, 우수한 예측 정확성을 보이며 질병 진행에 대한 통찰력 있는 개인 수준 표현을 학습하였습니다.