본 논문은 전자 건강 기록(EHR)의 다중 뷰(진단, 검사 결과, 의료 기록 등)를 활용한 의료 예측 모델을 개선하기 위해, 확산 기반 생성 프레임워크인 Diffmv를 제안합니다. Diffmv는 EHR 데이터의 불규칙한 결측값 문제와 특정 뷰에 대한 의존도(view laziness) 문제를 해결하기 위해 고안되었습니다. 불규칙한 결측값 문제 해결을 위해 다양한 컨텍스트 조건을 활용하여 통합된 확산-탈잡음 프레임워크를 통해 다양한 뷰의 EHR 데이터를 통합하고, 뷰 간 정렬 및 변환을 수행합니다. 뷰에 대한 의존도 문제 해결을 위해 각 뷰의 상대적 중요도를 평가하는 새로운 가중치 재조정 전략을 제시하여 모델 내에서 다양한 데이터 뷰의 균형있는 활용을 유도합니다. 제안된 방법은 세 가지 대표적인 데이터셋을 사용한 다양한 의료 예측 작업에서 우수한 성능을 달성했습니다.
