PGP-Clinical-TimeKAN은 임상 악화가 단일 진단 라벨이 아니라 서로 얽힌 부분적으로만 관측되는 여러 궤적을 통해 나타난다는 점에 착안해, 다변량 생리 지표를 궤적 중심으로 확률적으로 예측하는 프레임워크다. 결측치 인지 시간 인코더, 소프트 장기-시스템 사전정보, 환자별 관계, 비선형 콜모고로프-아놀드 메시지, 저랭크 다변량 스튜던트-t 헤드를 결합했으며, MIMIC-IV 기반 6,882명·54,694개 윈도우로 구성된 코호트에서 24시간 이력으로 6시간 예측을 평가했다. 13개 모델 비교에서 정규화 MAE 두 번째로 낮은 수치와 RMSE 최저치를 기록했고, 50/80/95% 신뢰구간의 실제 커버리지도 명목치에 근접했다. 다만 궤적 기반 위험 점수는 전용 GRU-D 분류기보다 낮아, 정확한 생리 예측이 곧바로 잘 보정된 사건 탐지로 이어지지는 않는다는 한계도 드러났다.

• •다변량 임상 생리 지표를 교적도 중심으로 확률적 예측하는 PGP-Clinical-TimeKAN 제안
• •MIMIC-IV 기반 6,882명 코호트에서 13개 모델 중 RMSE 최저(0.52656) 기록
• •신뢰구간 커버리지가 명목치(50/80/95%)에 근접해 보정 성능 양호
• •교적 기반 위험 점수(AUROC 0.603)는 전용 분류기(0.650)보다 낮아 사건탐지 활용엔 한계