임상 예측 성능이 정체되는 이유는 학습기가 가용 정보를 제대로 추출하지 못하는 '학습기 격차'와 기록된 변수 자체가 인구 수준 한계를 부과하는 '측정 채널 상한' 두 가지로 나뉜다. 연구진은 총변동 분리로 최적 균형 정확도를 특성화해 아키텍처 불변성, 대체 오염 하 부분식별 결과, 교차적합 상한 추정기, 다중모달 의사결정 개선의 정확한 조건을 도출했다. UCI 재입원, BRFSS 당뇨, NHANES HbA1c 세 실제 코호트에서 검증한 결과 잘 조정된 그래디언트 부스팅은 UCI와 BRFSS에서 추정 한계에 거의 도달했지만 성능이 낮은 학습기는 큰 격차를 유지했다. NHANES에서는 설문과 측정 한계 간 차이는 없었지만 결합 시 유의미한 상호보완 이득이 나타나 객관적 양식이 항상 우월하다는 단순한 주장을 반박했다. 104개 임상 과제, 18개 이상 질병군을 종합한 결과 동일한 채널 수준 규칙성이 반복됨을 확인했으며, 이 프레임워크는 정체를 여유가 있으면 학습기를, 없으면 측정을 개선해야 하는 감사 가능한 의사결정으로 전환한다.

• •임상 예측 정체 원인을 '학습기 격차'와 '측정 채널 상한'이라는 두 요인으로 분리하는 프레임워크 제시
• •UCI 재입원·BRFSS 당뇨·NHANES HbA1c 세 실제 코호트로 검증, 라벨 순열 낙관 하한 등 진단 도구 추가
• •잘 조정된 그래디언트 부스팅은 UCI·BRFSS에서 추정 한계에 근접, 성능 낮은 학습기는 큰 격차 유지
• •NHANES에서 설문·측정 양식 결합 시 유의미한 상호보완 이득 확인, 객관적 양식 우월론 반박
• •104개 임상 과제, 18개 이상 질병군에서 동일 채널 규칙성 반복 확인, 정체를 감사 가능한 결정으로 전환