본 논문은 심층 학습, 거대 언어 모델(LLM), 그리고 전자 건강 기록(EHR) 모델링의 교차점에서 이루어진 최근 발전에 대한 종합적인 개요를 제공합니다. 전자 건강 기록 데이터의 이질성, 시간적 불규칙성, 그리고 도메인 특수성과 같은 고유한 과제를 해결하기 위해 데이터 중심 접근 방식, 신경망 구조 설계, 학습 중심 전략, 다중 모달 학습, 그리고 LLM 기반 모델링 시스템 등 다섯 가지 주요 설계 차원에 걸친 통합 분류 체계를 제시합니다. 데이터 품질 향상, 구조적 및 시간적 표현, 자기 지도 학습, 그리고 임상 지식과의 통합을 다루는 대표적인 방법들을 검토하고, 기초 모델, LLM 기반 임상 에이전트, 그리고 후속 추론을 위한 EHR-텍스트 변환과 같은 새로운 동향을 강조합니다. 마지막으로, 벤치마킹, 설명 가능성, 임상적 정합성, 그리고 다양한 임상 환경에서의 일반화와 같은 미해결 과제들을 논의하며, AI 기반 EHR 모델링과 임상 의사결정 지원 발전을 위한 구조화된 로드맵을 제공하는 것을 목표로 합니다. EHR 관련 방법들의 포괄적인 목록은 https://survey-on-tabular-data.github.io/ 에서 확인할 수 있습니다.
