연구진은 희귀 환자군 데이터의 충실도를 높이기 위해 AdaPCLA 프레임워크를 제안했습니다. 이 프레임워크는 생성 모델이 데이터 분포를 인지한 학습 전략을 통해 EHR 데이터를 적응적으로 맞추고 생성할 수 있도록 합니다.
AdaPCLA는 시뮬레이션 어닐링 학습을 통해 데이터 지식 파라미터를 내부화하며, 다양한 임상 환자군에 대한 트레이닝 없이도 분포 제어를 지원합니다.
실험 결과, AdaPCLA는 희귀 코드 로짓 업데이트, 어닐링 속도, NTK 조건 설정과 관련된 이론적 분석을 통해 MIMIC-III 데이터셋에서 TailPairSeen을 HALO보다 114.2% 향상시켰습니다.