Dynamic and Baseline Multi-Task Learning for Predicting Substance Use Initiation in the ABCD Study
이 논문은 ABCD 연구를 활용하여 시계열 정보를 통합한 동적 멀티태스크 학습 모델이 단일 시점 기반 모델보다 알코올, 니코틴, 대마초 등 다양한 물질 사용 시작을 예측하는 데 더 우수하며, 특히 시간의 흐름에 따른 위험 변화 반영이 예측 성능 향상의 핵심 요소임을 입증했습니다.