GBM 생존 예측을 위한 정확하고 해석 가능한 하이퍼 그래프 신경망

An Accurate and Interpretable Hyper Graph Neural Network for GBM Survival Prediction

GBM(신경교종) 생존 예측을 위한 모델은 정확성과 해석 가능성을 동시에 요구한다. 기존 접근 방식은 이 두 가지 목표가 상충한다고 보았으나, 그래프 신경망을 활용하여 해석 가능한 표현을 추출하면서도 분류 능력을 저하시키지 않는 방법을 제안한다. 제안된 다중 모달 프레임워크는 세 가지 구성 요소로 이루어져 있다: (1) 방향성 비대칭 메시지 전달을 통한 조직 패치 간의 고차원 관계를 포착하는 시프 하이퍼그래프 신경망, (2) 임상적으로 기반한 개념으로 학습된 표현을 압축하는 개념 병목층, (3) 훈련 중 불신적인 설명을 처벌하는 확장 충분성 테스트 정규화기. 이 프레임워크는 593명의 환자를 대상으로 5겹 교차 검증을 통해 0.643의 일치 지수를 달성하였다.