위험 환자 예측을 위한 머신러닝 기반 모델 개발
위암 전구병변 조기 예측 중요성 강조
위암의 전구병변(PLGC)에 대한 개별화된 예측 및 판별은 위암(GC) 조기 예방에 중요하다. 그러나 PLGC와 GC를 구분하는 비침습적 방법은 아직 부족하다. 본 연구는 머신러닝과 딥러닝 기법을 활용한 위암 조기 진단을 위한 위험 예측 모델 개발을 목표로 한다.
2,229명 대상 자료 수집 및 모델 개발
2022년 10월부터 2023년 11월까지 9개 3차 병원에서 2,229명의 광범위한 데이터를 수집했다. 통계적으로 유의한 요인을 도출하기 위해 설문조사를 실시한 후 위험 예측 모델을 개발했다. 특히 딥러닝 알고리즘을 활용해 혀 이미지를 기반으로 한 위험 예측도 시도했다.
랜덤 포레스트 모델, 85.65% 정확도 달성
로지스틱 회귀 분석을 통해 동적 웹 기반 노모그램을 구축했다. 랜덤 포레스트 모델은 85.65%의 높은 정확도를 기록했다. 주요 위험 요인으로는 연령, 전통 중국 의학 체질 유형, 혀의 백태 색상, 혀 색상, 불규칙한 식사, 절인 음식, 기름기 많은 식사, 뜨거운 음식 습관, 불안, 수면 발근 지연 등이 포함되었다. 혀 이미지 기반 모델은 73.33%의 정확도와 0.8 이상의 AUC를 달성했다.
개인 맞춤형 예방 전략에 기여
PLGC에서 GC로 진행될 위험을 예측하기 위한 머신러닝 및 딥러닝 모델이 개발되어 고위험 환자를 식별하고 조기 진단을 개선할 수 있게 되었다. 연구 결과, 연령, 전통 중국 의학 체질 유형 및 혀 이미지 정보가 GC 위험 예측에 중요한 역할을 한다는 점이 강조되었다. 이러한 발견은 고위험 개인을 위한 개인 맞춤형 예방 전략 개발에 기여할 수 있다.
출처 : 원문 보러가기
