본 논문은 임상 및 생물 의학 연구에서 널리 사용되는 사건 발생 시간 모델링, 즉 생존 분석을 위한 듀얼 Mixture-of-Experts (MoE) 프레임워크를 제안한다. 제안된 방법은 환자 특성과 시간 역학을 모두 고려하여 위험 예측을 수행한다. 구체적으로, 환자 특징을 활용한 하위 그룹 인식 표현 학습을 위한 특징 인코더 MoE와, 시간 임베딩 및 환자 특징을 활용하여 시간 역학을 포착하는 위험 MoE를 결합한다. METABRIC 및 GBSG 유방암 데이터셋에서 제안된 방법은 일관되게 성능을 향상시켰으며, 시간 종속 C-index를 최대 0.04까지 향상시켰고, Consurv 프레임워크에 통합되었을 때 추가적인 이점을 얻었다.
