この研究では、2型糖尿病患者の病状悪化を予測するための新しいモデリング手法「時間的に詳細なハイパーグラフニューラル常微分方程式（TD-HNODE）」を提案しています。従来の手法は、患者の不均一性や不規則なタイムイベントサンプルからの継続的な進行ダイナミクスの学習に課題がありました。TD-HNODEは、病状の進行パターンを臨床的に認識された経路上で表現し、ニューラルODEフレームワークを用いて継続的な進行ダイナミクスを学習します。これにより、病状マーカー間の相互依存性が捉えられ、実世界のデータから効果的な学習が可能となります。実験結果により、TD-HNODEは2型糖尿病と関連する心血管疾患の進行モデリングにおいて、既存の複数の手法を上回る性能を示しました。