클리닉 시간 추론을 위한 전처리 지침에 근거한 공동 확률 예측

Clinical 위험의 악화는 관찰된 부분적인 경로와 함께 결합된 경로로 진행되는 반면, 단일 진단 레이블만으로는 설명이 안된다. PGP-Clinical-TimeKAN이라는 경로-first 프레임워크를 제시하며, 다변량 생리학의 공동 확률적 예측을 위한 프레임워크를 제시한다. 이는 미싱니스-aware 시간적 인코더, 유연한 내장계 prior, 환자별 관계, 비선형 Kolmogorov-Arnold 메시지, 및 저rank 다변량 Student-t 헤드를 포함한다. 6,882명의 환자와 54,694개의 윈도우로 구성된 MIMIC-IV-derivated 동결 집단에서 24시간의 기록과 6시간의 예측에 대해 평가한다. 다섯 개의 시드와 13개의 모델에 대해, PGP-Clinical-TimeKAN은 정규화 MAE (0.37727 +/- 0.00029)에서 두 번째로 낮은 값을 얻고, RMSE (0.52656 +/- 0.00034)에서 가장 낮은 값을 얻었다. 결정론적 TimeKAN에 비해 MAE를 0.52%까지 감소시켰다. 확률적 예측에 대해, 0.66380의 marginal NLL과 0.27301의 CRPS를 얻었다. empircal coverage는 0.533, 0.831, 0.958로 50%, 80%, 95%의 명목상 간격에 대해 각각 얻었다. 관계 구조를 제거하면 가장 큰 ablation 손실을 초래한다. 공분산 rank를 증가시키면 공동 확률적 확률을 개선하지만 점 정확도에는 큰 영향을 미치지 않는다. 경로에서 추출한 위험 점수는 GRU-D 분류기 (AUROC 0.603 대 0.650)와 비교할 때 약한 분류기이다. 이는 현재의 임상 주장에 제한을 두지만, 공동 경로 예측은 중간 작업으로써 점검 가능한 작업을 제공한다. 정확한 생리학 예측만으로는 고정된 사건 감지기를 보장하지는 않는다.