<aside> 💡

ICU 시계열의 결측을 단순 노이즈가 아니라 환자 상태를 담은 정보로 모델링했습니다.

</aside>

개인 연구 Time-series Mamba Healthcare ML

문제

ICU 데이터는 측정값뿐 아니라 언제 측정되었고 얼마나 오래 관측되지 않았는지도 의미를 가질 수 있습니다.

접근

• 결측 상태를 never / recent / stale로 구분
• Staleness embedding과 temporal decay 적용
• Mamba 기반 시계열 블록과 보조 과제 결합
• LSTM·GRU-D·Transformer와 비교

핵심 결과

• 전체 AUROC: Transformer 0.8517, IMST-Mamba 0.7791
• 장기 입원군 AUROC: IMST-Mamba 0.8514, Transformer 0.8122
• Staleness 제거 Ablation에서 AUROC 0.121 감소

해석

평균 성능에서 항상 우수한 모델은 아니지만, 결측 패턴이 복잡한 장기 입원군에서 강점을 보였습니다.

Medi-Matrix와의 관계

이 페이지는 결측 상태 정의, 모델 구조, Baseline 비교와 Ablation처럼 모델 자체의 연구 질문을 다룹니다. Medi-Matrix는 같은 시계열 아이디어를 3D 영상·인증·스토리지·WebSocket과 결합하며 시스템 통합 질문을 다룹니다.

<aside> 🔗

중복이 아닌 역할 분리: IMST-Mamba는 독립 연구 결과이고 Medi-Matrix는 이를 활용하는 멀티모달 시스템 프로토타입입니다. 단, 현재 공개 Medi-Matrix의 시계열 결과는 실제 학습 모델 추론이 아니라 Demo/실험적 모듈입니다.

</aside>

02. Medi-Matrix | 보안 중심 멀티모달 의료 AI

현재 한계