본 논문은 알츠하이머병(AD)의 정확한 진단과 경도인지장애(MCI)의 전환 예측을 위한 새로운 프롬프트 기반 초그래프 신경망(PHGNN) 프레임워크를 제안합니다. 기존의 다중 모달 방법들이 입력 데이터의 이질성, 모달 간 상호작용의 미탐색, 환자탈락으로 인한 데이터 결손, 그리고 시간 및 비용이 많이 드는 데이터 수집 과정으로 인한 데이터 부족 등의 문제점을 가지고 있는 반면, PHGNN은 초그래프 기반 학습과 프롬프트 학습을 통합하여 이러한 한계를 극복합니다. 초그래프는 다양한 모달 간의 고차원 관계를 포착하고, 자연어 처리에서 차용한 초그래프를 위한 프롬프트 학습 접근 방식은 제한된 데이터로 효율적인 훈련을 가능하게 합니다. ADNI 데이터셋을 이용한 광범위한 실험을 통해, 기존 최고 성능(SOTA) 방법들을 능가하는 AD 진단 및 MCI 전환 예측 성능을 보였습니다.
