본 논문은 센서 데이터와 기계 학습 기술을 활용한 파킨슨병 평가 시스템 개발에 관한 연구를 제시한다. 특히, 여러 데이터 소스를 통합하는 다중 모드 접근 방식의 한계점(훈련 시 모든 모드의 동기화 필요, 추론 시 모든 모드 의존성)을 해결하기 위해, 다중 모드 학습을 다중 목표 최적화 문제로 공식화하는 시스템을 제안한다. 이를 통해 훈련 및 추론 시 모드 요구 사항을 유연하게 하고, 다중 모드 정보 융합 과정에서 발생하는 모드 붕괴 문제를 처리한다. 또한, 개별 모드 내 불균형을 완화하기 위해 마진 기반 클래스 재분배 전략을 도입하여 범주 학습을 개선했다. 세 개의 공개 데이터셋에 대한 실험 결과, 제안된 TRIP(Towards Relaxed InPuts) 프레임워크가 동기 및 비동기 설정 모두에서 최첨단 성능을 달성했으며, 기존 최고 성능 대비 비동기 설정에서 16.48, 6.89, 11.55%, 동기 설정에서 4.86, 2.30% 향상된 성능을 보였다.
