ChronoSurv: 임상 경로 기반 그래프 프레임워크로 다중 모달 생존 분석

출처: arXiv - 2606.19140v1

개요

정확한 생존 예측은 두경부 암에 대한 맞춤형 치료 계획 수립에 필수적이며, 다중 모달 임상 데이터의 이질적이고 고차원 특성 때문에 여전히 도전적입니다. 딥 생존 모델은 전통적인 통계 접근법에 비해 예측 성능을 향상시켰지만, 기존 방법들은 일반적으로 정적 융합 전략이나 시간 무관적 모델링에 의존하여 구조화된 임상 워크플로우를 포착하는 데 한계를 가지고 있습니다. 본 연구에서는 다중 모달 생존 분석을 위한 이질적 계층형 방향 그래프 프레임워크인 ChronoSurv를 제안합니다. ChronoSurv는 환자 치료를 핵심 진단 단계와 정렬된 방향 그래프를 활용해 진행 인식 임상 경로로 표현합니다. 계층적 토폴로지는 세분화된(미세), 거시적, 전역적 표현을 포함하여 누락된 모달에 대한 유연한 적응을 지원하고, 이질적인 메시지 전달 메커니즘은 모달 및 임상 단계 간 복잡하고 비대칭적인 관계를 모델링합니다. 두 개의 공개 데이터셋에 대한 실험 결과는 ChronoSurv가 최첨단 판별 성능을 달성하면서도 통계적으로 신뢰할 수 있는 교정을 유지하고 있음을 보여줍니다. 종합적인 아블레이션 연구는 각 아키텍처 구성 요소가 차지하는 기여를 더욱 확인하며, 다중 모달 생존 예측에 대한 진행 인식 그래프 모델링의 잠재력을 강조합니다.

주요 공헌

본 논문은 다음 분야의 연구를 제시합니다:

• cs.LG

방법론

자세한 방법については 전체 논문을 참고하십시오.

실용적 의미

본 연구는 cs.LG의 발전에 기여합니다.

저자

• Hugo Miccinilli
• Theo Di Piazza

논문 정보

• arXiv ID: 2606.19140v1
• Categories: cs.LG
• Published: June 17, 2026
• PDF: Download PDF