불규칙한 임상 시계열 데이터, 관측 여부 데이터 및 시간 정보 데이터를 통합하여 상기 불규칙한 임상 시계열 데이터에 대한 심층 표현을 생성하는 다시점 통합 자가주의 모듈; 상기 심층 표현을 이용하여 보조적인 결측 대체값을 생성하는 보조 해석부; 및상기 심층 표현을 이용하여 환자 상태 예측 또는 진단을 분류하는 예측 및 분류기를 포함하는 불규칙 임상 시계열 데이터 예측 및 분류 장치.

제1 항에 있어서,상기 예측 및 분류기 학습시, 상기 보조적인 결측 대체값이 더 이용되는 것을 특징으로 하는 불규칙 임상 시계열 데이터 예측 및 분류 장치.

제1 항에 있어서,상기 다시점 통합 자가주의 모듈은, 상기 불규칙 임상 시계열 데이터, 상기 관측 여부 데이터 및 상기 시간 정보 데이터 각각을 임베딩하여 각각의 특징값을 구하고, 자가주의 매커니즘을 이용하여 상기 관측 여부 데이터와 상기 시간 정보 데이터의 특징값을 통합하여 결측 패턴 정보를 생성하고, 상기 결측 패턴 정보와 상기 불규칙 임상 시계열 데이터를 자가주의 블록을 이용하여 통합한 후 순방향 신경망(FFN: feed-forward network) 모듈에 적용하여 상기 심층 표현을 생성하는 것을 특징으로 하는 불규칙 임상 시계열 데이터 예측 및 분류 장치.

제1 항에 있어서,상기 보조 해석부는, 상기 불규칙한 임상 시계열 데이터 중 일부를 마스킹한 후 상기 심층 표현을 이용하여 마스킹된 값을 복원하여 보조적인 결측 대체값을 생성하는 것을 특징으로 하는 불규칙 임상 시계열 데이터 예측 및 분류 장치.

불규칙 임상 시계열 데이터 예측 및 분류 장치에서 수행되는 불규칙 임상 시계열 데이터 예측 및 분류 방법에 있어서, (a) 불규칙한 임상 시계열 데이터, 관측 여부 데이터 및 시간 정보 데이터를 통합하여 상기 불규칙한 임상 시계열 데이터에 대한 심층 표현을 생성하는 단계; (b) 상기 불규칙한 임상 시계열 데이터 중 일부를 마스킹한 후 상기 심층 표현을 이용하여 마스킹된 값을 복원하여 보조적인 결측 대체값을 생성하는 단계; 및(c) 상기 심층 표현 및 상기 보조적인 결측 대체값을 이용하여 환자 상태 예측 또는 진단을 분류하는 예측 및 분류기 모델을 학습시키는 단계를 포함하는 불규칙 임상 시계열 데이터 예측 및 분류 방법.

제5 항에 있어서, 상기 (a) 단계는, 상기 불규칙 임상 시계열 데이터, 상기 관측 여부 데이터 및 상기 시간 정보 데이터 각각을 임베딩하여 각각의 특징값을 구하는 단계;제1 자가주의 모듈을 기반으로 상기 관측 여부 데이터와 상기 시간 정보 데이터의 특징값을 통합하여 결측 패턴 정보를 생성하는 단계; 및제2 자가주의 모듈을 기반으로 상기 불규칙한 임상 시계열 데이터의 특징값과 상기 결측 패턴 정보를 통합한 후 순방향 신경망(FFN: feed-forward network)에 적용하여 결측 패턴에 대한 심층 표현을 생성하는 단계를 포함하는 것을 특징으로 하는 불규칙 임상 시계열 데이터 예측 및 분류 방법.