本研究は、医療における時間的文脈を活用し、患者の健康状態の変化をより正確に評価するための機械学習フレームワークを提案しています。このフレームワークは、最新の患者訪問から得られた医療データを基に疾病リスクを初期評価し、過去の画像および臨床バイオマーカーの情報を取り入れてこの評価を改良します。前立腺癌リスクの予測において、過去の重要な医療データを統合することで、偽陽性率を51%から33%へと減少させ、さらには臨床データを追加することで24%にまで下げることが可能となりました。また、5年以内の前立腺癌リスク予測においても、文脈情報を用いることで偽陽性率を64%から9%に低下させました。これにより、長期的な健康モニタリングが比較的低リスクの大規模な集団に対しても展開できる可能性が示されています。