EHR 데이터의 분포 특성을 고려하여 특징 표현을 강화하는 딥러닝 알고리즘 및 지식그래 프의 플러그-인(plug-in)화 임베딩 모듈 개발 1.EHR의 텍스트 데이터(임상 노트) 특성에 적합한 특징 표현 및 태스크 수행 딥러닝 알고리즘 개발 1)임상 노트 내 서술된 의료 단어를 심층신경망 입력으로 사용하기 위한 단어 임베딩 기술 개발 2)주의집중 및 트랜스포머 모델을 기반으로 긴 문장으로 서술된 임상 노트의 단어들 간 복잡한 관 계를 분석하는 알고리즘 개발 3)CD-9 코드 예측 태스크 성능 향상을 위해 기억 반복 방식을 접목하여 미괄식 임상노트의 후미 서술까지 전체적으로 분석 가능한 알고리즘 개발 2.EHR의 수치 데이터 특성에 적합한 특징 표현 학습 및 태스크 예측 딥러닝 알고리즘 개발 1)뉴럴 상미분방정식 해석 수리모델을 기반으로 비주기적 측정에서 비롯되는 불규칙성을 다면체 (manifold) 공간 표현하는 딥러닝 알고리즘 개발 2)Cholesky 공간에서 다양체(manifold) 상미분방정식 사영(mapping)을 통해 계산 복잡도를 최소화하 는 기술 개발 3)환자의 사망률 및 중환자실 재입원율 예측 등의 태스크를 위해 시간에 따라 변화하는 특성 및 패턴을 고려한 순환 신경망 학습 기반 기술 개발 3.기 학습된 EHR 데이터 특징 표현에 적용 가능한 모듈 형태의 지식그래프 임베딩 알고리즘 개발 1)집합-입력 신경망 및 그래프 풀링 기법을 통한 태스크별 연관성이 높은 부분 그래프 추출 알고 리즘 개발 2)추출된 부분 그래프로부터 특화된 정보 추정을 위한 그래프 신경망 기반 임베딩 알고리즘 개발 3)특화된 정보로 단일-모달 EHR 데이터로부터 얻은 특징의 표현력을 극대화하는 정규화 (regularization) 기법 알고리즘 개발