본 논문은 고비용의 다중 오믹스 프로파일링 문제를 해결하기 위해 불확실성을 고려한 다중 관점 동적 의사결정 프레임워크를 제안한다. 단일 오믹스 수준에서는 신경망의 활성화 함수를 개선하여 디리클레 분포 매개변수를 생성하고, 주관 논리(subjective logic)를 이용하여 분류 결과의 신뢰도와 불확실성을 정량화한다. 다중 오믹스 수준에서는 뎀스터-쉐이퍼 이론(Dempster-Shafer theory) 기반의 융합 전략을 사용하여 이질적인 모달리티를 통합하고, 동적 의사결정 메커니즘을 통해 환자별로 필요한 오믹스 데이터만을 선택적으로 사용하여 정확도를 유지하면서 비용을 절감한다. ROSMAP, LGG, BRCA, KIPAN 네 개의 벤치마크 데이터셋을 사용하여 평가한 결과, 3개 데이터셋에서 50% 이상의 경우 단일 오믹스 모달리티만으로 정확한 분류가 가능했으며, 전체 오믹스 모델과 비슷한 수준의 진단 성능을 유지하면서 생물학적 통찰력을 보존했다.
