본 논문은 뇌 바이오마커의 궤적 예측을 위한 새로운 개인 맞춤형 심층 커널 회귀 프레임워크를 제시합니다. 이는 인구 모델과 개인별 모델을 통합하여 적응적 축소 추정을 통해 최적으로 결합하는 방식입니다. 다양한 코호트의 뇌 궤적을 포착하는 인구 모델과 개별 궤적을 포착하는 개인별 모델을 통합하여, 특히 뇌 부피 측정에 적용합니다. 선형 혼합 효과 모델, 일반화된 가법 모델, 심층 학습 방법 등 최첨단 통계 및 기계 학습 모델과의 비교를 통해 우수한 예측 성능을 보이며, 복합 신경 영상 바이오마커의 궤적 예측에도 적용 가능함을 보여줍니다. 외부 신경 영상 연구 3건에 대한 검증을 통해 다양한 임상 환경에서의 강건성을 확인하였으며, 코드는 공개적으로 제공합니다.
