HiRID-ICU-Benchmark -- 고해상도 중환자실 데이터에 대한 포괄적인 기계학습 벤치마크

최근 집중치료실(ICU)에서 수집된 시계열 데이터에 기계 학습 방법을 적용한 성공 사례는 이러한 방법의 개발과 비교를 위한 표준화된 기계 학습 벤치마크의 부족함을 드러냈습니다. 원시 데이터셋인 MIMIC-IV나 eICU는 Physionet에서 자유롭게 접근할 수 있지만, 각 논문마다 작업 선택과 전처리 과정이 임의로 이루어져 있어 논문 간 비교가 제한됩니다. 본 연구에서는 이러한 상황을 개선하기 위해 다양한 ICU 관련 작업을 포괄하는 벤치마크를 제공하고자 합니다. HiRID 데이터셋을 사용하여 임상 의사들과 협력하여 여러 가지 임상적으로 중요한 작업들을 정의하였습니다. 또한, 데이터와 라벨 구축을 위한 재현 가능한 전체 프로세스 파이프라인도 제공합니다. 마지막으로, 현재 최신 시퀀스 모델링 방법들의 심층 분석을 제공하며, 이 유형의 데이터에 대한 딥러닝 접근법의 일부 한계점을 강조합니다. 이 벤치마크를 통해 연구 커뮤니티가 그들의 연구 결과를 공평하게 비교할 수 있는 가능성을 제공하고자 합니다.