수술 중 환자 안전과 결과 개선을 위해 필수적인 생체 신호의 수술 중 모니터링 및 예측에 대한 중요성을 강조하며, 이를 위한 VitalBench라는 새로운 벤치마크를 소개한다. 이 벤치마크는 표준화된 벤치마크 부재, 불완전한 데이터, 제한된 교차 센터 검증 등 기존 딥러닝 모델의 한계를 해결하고자 설계되었다. VitalBench는 두 개의 독립적인 의료 센터에서 수집된 4,000건 이상의 수술 데이터를 포함하며, 완전 데이터, 불완전 데이터, 교차 센터 일반화의 세 가지 평가 트랙을 제공한다. 이는 실제 임상 환경의 복잡성을 반영하고, 광범위한 전처리 의존성을 줄이며, 강력하고 편향되지 않은 모델 평가를 위해 마스크된 손실 기법을 통합한다. VitalBench는 모델 개발 및 비교를 위한 표준화되고 통합된 플랫폼을 제공하여 연구자들이 데이터 처리에 대한 일관성을 유지하면서 아키텍처 혁신에 집중할 수 있도록 한다.
