Why

기존 HER 분석 방식은 질병을 개별적으로 다루거나, 블랙박스 모델을 사용하여 질병 간의 공유된 위험 요인을 체계적으로 설명하지 못했다. 특히 희귀 질환의 경우 데이터 부족으로 독립적인 모델링 시 추정치가 불안정하며, 기존 방법론들은 질병 간의 복잡하고 계층적인 인과 구조를 명확히 분리해내지 못하는 문제, 복잡한 질병 데이터와 위험 요인 간의 관계를 규명하기 위해 Bayesian Hypergraph Pathway Inference (BHPI) 프레임워크를 제안

How


Bayesian Hypergraph Pathway Inference (BHPI): 질병을 하이퍼그래프의 노드로, 공유된 위험 패턴을 하이퍼엣지(hyperedge)로 정의하여 질병이 여러 경로에 중첩되어 참여할 수 있는 구조를 설계, Repulsion Prior를 도입하여 모델의 파라미터가 중복되지 않고 희소성(sparsity)을 유지하도록 유도한다.

Result

분류 작업 성능

결과

Info

paper link
code link