본 논문은 의료 데이터의 증가와 예측 모델링의 생의학 분야 적용 증가에 따라, 지식 그래프 데이터 표현 및 임베딩이 생의학 예측 모델링에 어떻게 활용될 수 있는지 연구합니다. 뇌동맥류 환자의 합성 데이터를 사용하여 임상 결과 예측 작업을 수행하고, 표 형식 데이터와 그래프 기반 데이터 표현에 대한 다양한 분류 접근 방식의 성능을 비교 분석했습니다. 개별 데이터 및 시간 데이터 표현 방식이 예측 성능에 미치는 영향도 조사했습니다. 결과적으로, 그래프 표현과 그래프 합성곱 신경망(GCN) 임베딩이 관찰 데이터 기반 예측 작업에서 최고의 성능을 달성함을 보였으며, 데이터 표현 방식과 개별 데이터의 리터럴 값 고려의 중요성을 강조했습니다. 또한, 다양한 시간 인코딩이 GCN 성능에 미치는 상대적 영향을 분석했습니다.
