Core Concepts
변환기 기반 모델에 온톨로지 기반 구조적 위치 인코딩을 통합하여 의료 프로세스 추적에 대한 정확한 예측을 제공한다.
Abstract
이 논문은 변환기 기반 심층 학습 모델을 활용하여 의료 프로세스 모니터링을 위한 예측 접근법을 제안한다. 주요 기여는 온톨로지를 통해 도메인 지식을 통합하는 구조적 위치 인코딩 기술의 도입이다.
실험 결과는 이 접근법이 뇌졸중 관리 분야에서 유망한 성과를 보여줌을 시사한다. 변환기 모델에 온톨로지 기반 지식을 통합하면 실행 중인 프로세스 추적에 대한 정확한 예측을 제공할 수 있다. 이는 비전형적이고 복잡한 상황에서 의사 결정 지원에 매우 유용할 수 있다.
향후 연구에서는 다양한 임베딩 기술과 다른 데이터셋을 활용하여 이 접근법을 더 깊이 탐구할 계획이다. 특히 프로세스의 시간적 측면에 대한 분석이 필요할 것으로 보인다.
Stats
데이터셋에는 평균 15개의 활동으로 구성된 5,342개의 프로세스 추적이 포함되어 있다.
프로세스 추적의 길이는 2개에서 25개 활동 사이에 분포한다.
Quotes
"의료 분야에서 예측적 프로세스 모니터링은 비전형적이고 복잡한 상황에서 의사 결정 지원에 매우 유용할 수 있다."
"우리의 주요 기여는 온톨로지를 통해 도메인 특정 지식을 통합하는 구조적 위치 인코딩 기술의 도입이다."