연구진은 불규칙한 방문으로 수집되는 임상 및 영상 정보를 통합하는 AT-Attn 프레임워크를 제안했어요. 이 프레임워크는 MRI와 장기적인 임상 정보를 결합하기 위해 변화와 시간 인코딩, 시간 편향 비대칭 교차 어텐션, 게이티드 퓨전을 사용해요.
ADNI 환자군 1,520명을 대상으로 구조 MRI, 인지 척도 추세, 임상 변수를 활용한 실험에서 AT-Attn 모델은 정확도 0.719, 매크로 F1 0.721, ROC-AUC 0.873, PR-AUC 0.783을 달성했어요.
연구 결과, 시간 인지 퓨전 전략은 환자 수준의 경도인지장애 진단 지원에 구조 MRI가 임상적으로 관련 있는 보완 정보를 제공하는 데 도움이 될 수 있음을 시사해요.