멀티태스크 VAE 기반 혈당 시계열 전처리 및 예측 모델

초록

본 논문은 연속 혈당 측정(CG​M) 데이터의 결측·이상값 문제를 완화하기 위해 변분 오토인코더(VAE)와 순환 신경망(RNN)을 결합한 멀티태스크 구조를 제안한다. 제안 모델은 데이터 전처리(임퓨테이션)와 장기 혈당 예측을 하나의 통합 프레임워크에서 수행하며, OhioT1DM 공개 데이터셋을 이용한 실험에서 기존 RNN·ARIMA 기반 베이스라인 대비 RMSE와 MAPE에서 유의미한 개선을 보였다.

상세 분석

이 논문은 의료용 시계열 데이터, 특히 연속 혈당 모니터링(CG​M) 데이터의 전처리와 예측을 동시에 해결하려는 시도이다. 기존 접근법은 결측값을 별도 통계적 혹은 머신러닝 기반 임퓨테이션 기법으로 처리한 뒤, 별도의 예측 모델을 학습한다. 이러한 파이프라인은 전처리 단계에서 도메인 지식에 의존하거나 가정이 많이 개입돼 모델 편향을 초래할 위험이 있다. 저자들은 이러한 문제점을 VAE의 잠재공간(latent space) 활용을 통해 완화하고자 한다.

먼저 VAE는 입력 시계열 x를 평균 μ와 로그 분산 log σ² 로 매개변수화된 정규분포 qφ(z|x) 로 매핑한다. KL 발산을 통해 잠재변수 z가 표준 정규분포와 가깝게 유지되도록 정규화하고, 디코더 pθ(x|z)는 재구성 손실을 최소화한다. 이 기본 구조에 순환 신경망(RNN, LSTM 혹은 GRU)을 인코더·디코더에 삽입함으로써 시계열의 시간적 의존성을 보존한다. 논문에서는 VRNN(Variational Recurrent Neural Network) 개념을 차용해, 각 시점 t에서의 잠재변수 zₜ가 이전 은닉 상태 hₜ₋₁에 조건부로 생성되도록 설계하였다. 이렇게 하면 결측 구간이 존재하더라도 주변 시점의 동적 정보를 잠재공간에 투영해 일관된 임퓨테이션이 가능해진다.

또한 저자들은 “멀티태스크”라는 용어를 두 가지 손실을 동시에 최적화하는 구조로 정의한다. 재구성 손실 L_reco는 입력 시계열 복원을, 예측 손실 L_pred는 미래 혈당값(예: 30분·1시간 후) 예측을 담당한다. 두 손실에 가중치 α, β를 부여하고, KL 손실 L_KL에 γ를 곱해 총 손실 L_total = αL_reco + βL_pred + γL_KL 로 구성하였다. 이는 전처리(임퓨테이션)와 예측이 서로 보완적으로 학습되도록 만든다.

실험에서는 OhioT1DM 2018 데이터셋(6명의 1형 당뇨 환자, 8주간 CGM, 인슐린, 식사 기록)을 80/20 비율로 학습·검증하였다. 비교 모델로는 전통적인 ARIMA, 단순 포워드필, 선형 트렌드, 그리고 다양한 RNN 변형(LSTM, Bi‑LSTM, GRU, Bi‑GRU)을 사용했다. 30분 예측(6 스텝)과 1시간 예측(12 스텝) 두 시나리오에서 제안 VAE‑GRU가 가장 낮은 RMSE와 MAPE를 기록했으며, 특히 1시간 예측에서는 기존 Bi‑GRU 대비 약 23% 포인트의 개선을 보였다. 또한 Clarke Error Grid 분석을 통해 임상적 위험 구역(AE)에서 VAE‑RNN 모델이 더 높은 비율로 안전 구역(A) 내에 위치함을 확인, 단순 통계적 지표를 넘어 실제 의료 의사결정에 유리함을 입증하였다.

기술적 강점은 (1) 전처리와 예측을 하나의 엔드‑투‑엔드 모델로 통합해 파이프라인 복잡성을 감소, (2) 잠재공간을 통한 결측값 보정이 데이터 손실을 최소화, (3) 시간적 어텐션 메커니즘을 도입해 장기 의존성을 효과적으로 포착한다는 점이다. 한계점으로는 모델 복잡도가 증가해 학습 비용이 높아질 수 있고, 환자별 맞춤형 파라미터 튜닝이 필요하다는 점이 있다. 향후 연구에서는 멀티‑환자 전이 학습, 외부 요인(식사, 운동) 통합, 그리고 실시간 스트리밍 환경에서의 경량화 방안을 탐색할 여지가 있다.