慢性腎疾患患者の末期腎疾患進行を予測するための新しい深層学習フレームワークである時間特徴交差注意メカニズム(TFCAM)を提案します。 TFCAMは変圧器アーキテクチャに触発され、時間の経過に伴う臨床特徴間の動的相互作用を捉え、予測精度と解析力の両方を向上させます。 1,422人の慢性腎臓病患者を対象とした実験では、TFCAMはLSTMおよびRETAIN基準モデルより優れた性能を示し、AUROC 0.95およびF1スコア0.69を達成しました。 TFCAMは、重要な時間期間を識別し、特徴の重要度をランク付けし、予測に影響を与える前に特徴が互いにどのように影響するかを定量化することによって、多重レベルの説明可能性を提供します。これは、医療分野における深層学習の「ブラックボックス」限界を解決し、最先端の予測性能を維持しながら、臨床医に病気進行メカニズムについての透明な洞察を提供します。