연구진이 다양한 의료 데이터(이미징, 임상 기록, 오믹스) 융합 학습을 위한 새로운 프레임워크 CURE를 제안했어요. CURE는 HyFuse 레이어를 통해 모달 간 상호작용을 효과적으로 파악하고 계산 비용을 절감해요.
HyFuse는 효율적인 잔차 컨볼루션 모듈과 하이브리드 공간 어텐션 믹서를 활용하여 다중 스케일 특징을 추출하고 구조적 단서를 학습해요.
CURE는 16개의 공개 데이터셋에서 기존 방법보다 최대 3.97% 성능을 향상시키고 계산 비용을 최대 87.8% 절감했어요.
CURE는 모달 순서에 관계없이 일관된 성능 향상을 제공하며, 다양한 의료 환경에 적용 가능한 확장성과 일반화성을 확보했어요.