この記事では、ポリソムノグラフィー信号の異質性に着目し、その処理のためにニーズを満たす新たなモデル「NAP（Neural Aggregator of Predictions）を提案しています。従来のモデルは、一定のモダリティやチャネルに依存しており、複数のデータ源からの情報を充分に活かせないという制約がありました。NAPは、三軸注意機構を用いて時系列、空間、および予測者レベルの依存関係を学習し、異なる入力次元に適応することで複数の予測ストリームを結合します。結果として、NAPは、個別の予測器やシンプルなアンサンブルを超えて、複数のデータセットに対してゼロショット一般化を達成するなど、最先端の性能を示しています。このアプローチは自動睡眠段階認識に基づいて示されていますが、他の多様な生理的応用にも拡張できる可能性があります。