일관된 응급실 예측을 위한 계층적 시공간 트랜스포머

연구진은 병원, 지역, 국가 수준의 수요를 함께 예측하는 계층형 시공간 Transformer 모델 HierSTT를 공개했다.

이 모델은 국가 패턴용 Temporal Fusion Transformer와 하위 수준용 시공간 인코더-디코더, 그리고 수준 간 불일치를 줄이는 손실함수를 결합한다.

포르투갈의 81개 병원과 5개 지역 보건행정구를 포함한 데이터에서 HierSTT는 비계층형 딥러닝 기준 모델 대비 평균 WAPE를 32% 낮췄다.

또한 기존 예측 재조정 방법보다 더 나은 성능을 보여, 응급실 인력·병상·용량 계획의 신뢰도를 높일 가능성을 보였다.