본 연구는 구조화된 전자 건강 기록(EHR) 예측을 위해 세 가지 방법론을 평가했습니다. 여기에는 온톨로지 롤업을 기반으로 하는 count-based 모델(LightGBM, TabPFN), 사전 훈련된 순차적 변환기(CLMBR), 그리고 테이블 형식 기록을 자연어 요약으로 변환한 후 텍스트 분류기를 사용하는 mixture-of-agents 파이프라인이 포함되었습니다. EHRSHOT 데이터셋을 사용하여 8가지 결과를 평가했으며, count-based 모델과 mixture-of-agents 방식이 엇비슷한 성능을 보였습니다.
