CafeMed는 환자 맞춤형 치료 결정을 돕기 위해 동적 인과 추론과 교차 모달 주의를 통합한 프레임워크입니다. 기존의 약물 추천 시스템의 한계점(의료 엔티티의 시너지 효과 고려 부족, 환자별 상황에 적응하지 못하는 정적 인과 관계)을 해결하고자 개발되었습니다. CafeMed는 Causal Weight Generator (CWG)를 통해 환자 상태에 따라 인과 효과를 동적으로 조절하고, Channel Harmonized Attention Refinement Module (CHARM)을 사용하여 진단과 시술 간의 복잡한 상호 의존성을 파악합니다. MIMIC-III 및 MIMIC-IV 데이터셋을 이용한 실험에서 CafeMed는 기존의 SOTA 모델보다 더 정확한 약물 예측을 수행하고, 약물 간 상호 작용 발생률을 낮추는 성능을 보였습니다.
