연구진이 ECG 파형, 흉부 X선 이미지, 임상 노트 등 다양한 임상 모달성을 통합하는 EHR 기반 모델 프레임워크를 발표했어요. 장시간 모달성 시퀀스 압축과 사전 학습 인코더 선택이 성능에 중요한 영향을 미치는 것을 확인했어요. 다중 모달성을 추가해도 ICU 사망 예측 성능이 EHR 기반 모델보다 개선되지 않을 수 있다는 점을 강조했어요.
연구 결과, 최적의 잠재 압축 구성이 압축되지 않은 교차 주의 및 평균 풀링보다 우수한 성능을 보였고, 사전 학습 인코더의 선택이 모달성 내 성능에 뚜렷한 영향을 미쳤어요. 더 강력한 사전 학습 인코더가 약한 인코더보다 일관되게 우수한 성능을 보였어요.
연구진은 다중 모달성을 추가하는 것만으로는 ICU 사망 예측 성능이 EHR 기반 모델을 능가할 수 없으며, 융합 아키텍처 설계와 임상적 맥락에서의 적절한 평가가 필요하다고 밝혔어요.