본 논문은 병원의 재원 기간(Length of Stay, LOS)을 정확하게 예측하는 것이 의료 서비스 개선, 자원 관리 및 비용 효율성 향상에 중요함을 강조합니다. 이를 위해, Liquid Time-Constant Networks (LTCs)를 사용하여 실시간 병원 LOS를 예측하는 다중 모달 딥러닝 프레임워크인 StayLTC를 제시합니다. 전자 건강 기록(EHRs)과 진료 기록을 사용하여 LTCs를 기존 모델들과 비교 평가한 결과, MIMIC-III 데이터셋에서 LTCs가 대부분의 다른 시계열 모델보다 정확성, 강건성 및 자원 활용 효율성 면에서 우수한 성능을 보임을 확인했습니다. 또한, LTCs는 시계열 대규모 언어 모델과 비교하여 LOS 예측 성능이 비슷하면서도 훨씬 적은 계산 능력과 메모리를 필요로 하여, 의료 분야의 자연어 처리(NLP) 작업 발전에 기여할 가능성을 보여줍니다.
