최근 기계학습의 발전은 바이오의학 예측을 가속화했으나, 고차원성, 대규모 표본 크기, 결측치, 클래스 불균형이 두드러진 정형 데이터에 대한 평가는 여전히 단편적인 상태로 남아있었습니다. 이에 따라 허깅페이스 페이퍼스를 통해 소개된 TabBioMed는 전자건강기록, 신약 개발, 유전체학, 전사체학, 단백체학, 대사체학, 단일세포 오믹스, 시스템 생물학을 아우르는 94개의 정제된 공개 바이오의학 정형 데이터셋을 통합하여 제공합니다.
TabBioMed는 데이터셋 인식 전처리와 표준화된 평가 프레임워크를 적용하여 분류, 회귀, 다중 타깃 작업 전반에서 재현 가능한 비교를 지원합니다. 이번 연구에서는 고전적 베이스라인, 그래디언트 부스팅 트리, 신경망 정형 아키텍처, 그리고 정형 기초 모델에 이르는 23개 모델을 벤치마킹했습니다. 분석 결과, 기초 모델이 패밀리 수준에서 가장 강력한 예측 성능을 기록했습니다.
그러나 성능 향상은 데이터 체제에 따라 다르게 나타났습니다. 트리 기반 모델과 튜닝된 다층 퍼셉트론은 여전히 높은 경쟁력을 유지했으며, 추론 시간이나 훈련 비용 제약 조건이 주어지는 상황에서는 우위를 점하는 경우가 많았습니다. 결과적으로 바이오의학 정형 데이터 학습은 강력한 맥락 의존성을 보이며, 최적의 모델 선택은 데이터 체제, 작업 유형, 계산 예산에 따라 달라집니다. 연구진은 정제된 데이터셋과 분할, 전처리 코드, 베이스라인 및 결과를 깃허브 저장소를 통해 공개하여 실무적인 모델 선택과 향후 방법론 개발을 위한 기반을 제공합니다.
댓글
0개아직 공개된 댓글이 없습니다. 첫 의견을 남겨 주세요.