[논문 리뷰] AI-based Data Preparation and Data Analytics in Healthcare: The Case of Diabetes

Marianna Maranghi, Aris Anagnostopoulos외 14명|arXiv (Cornell University)|2022. 06. 13.

Artificial Intelligence in Healthcare인용 수 4

한 줄 요약

이 논문은 온톨로지 기반 데이터 준비, 머신러닝, 자연어 처리 기법을 사용하여 대규모 AMD 당뇨병 데이터베이스(600,000명의 환자, 15년)를 정제하고 모델링하며 분석하는 AI 기반 프레임워크를 제시한다. 주요 기여 사항으로는 영역 전용 OWL 온톨로지, 이질적인 소스 간의 강력한 데이터 정제, PubMedBERT와 시간적 인코딩을 활용한 망막병변 예측 모델, HbA1c 궤적 군집화, 단기 심혈관 위험 예측 모델이 포함되며, AI가 당뇨병 치료의 임상적 의사결정을 향상시키는 데의 잠재력을 입증한다.

ABSTRACT

The Associazione Medici Diabetologi (AMD) collects and manages one of the largest worldwide-available collections of diabetic patient records, also known as the AMD database. This paper presents the initial results of an ongoing project whose focus is the application of Artificial Intelligence and Machine Learning techniques for conceptualizing, cleaning, and analyzing such an important and valuable dataset, with the goal of providing predictive insights to better support diabetologists in their diagnostic and therapeutic choices.

연구 동기 및 목표

• 320개 이탈리아 클리닉에서 유래한 일관성 없고 이질적이며 대규모의 실세계 당뇨병 데이터에 대한 과제를 해결하기 위해.
• OWL 기반 영역 온톨로지 기반으로 AMD 데이터베이스에서 공통의 표준화되고 의미적으로 일관된 지식 기반을 구축하기 위해.
• 예측 모델링을 위한 고품질, 청소된, 상호운용 가능한 데이터를 준비하여 고급 기계학습 분석을 가능하게 하기 위해.
• 임상의들이 제2형 당뇨병의 질환 진행, 치료 반응 및 위험 예측에 대해 AI 기반 통찰을 확보할 수 있도록 지원하기 위해.

제안 방법

• 의료 개념과 관계를 모델링하기 위해 공식적인 OWL 온톨로지를 개발하여, 다양한 데이터 소스 간의 의미 일관성을 확보하였다.
• 환자 데이터와 메타데이터(예: 값 범위, 국가 코드 등)를 통합하는 이중 구조의 데이터베이스 스키마를 설계하여 데이터 무결성과 해석을 지원하였다.
• 300개 이상의 클리닉에서 광범위한 데이터 정제를 수행하여, 다양한 전자의료기록(EMR) 소프트웨어 버전과 현지 데이터 입력 관행으로 인한 일관성 없는 사항, 누락된 값, 의미적 불일치를 해결하였다.
• 10년간의 HbA1c 궤적 기반으로 환자를 군집화하기 위해 가우시안 혼합 모델과 시간적 K-평균 알고리즘을 적용하여 종단적 혈액순환 조절 패턴을 포착하였다.
• 단기 심혈관 위험 예측 문제를 다음 문장 예측 작업으로 재정의하였으며, PubMedBERT를 사용하고 사건 타임스탬프의 시간적 인코딩 및 약리학적 원리에 기반한 약물 유사성으로 구현하였다.
• 수치적 검사 결과값을 범주형 레이블(예: 정상, 높음)로 대체하고, 사건 시퀀스를 인코딩하여 6개월 이내 향후 고위험 심혈관 사건 발생 확률을 예측하였다.

실험 결과

연구 질문

• RQ1 다양한 클리닉에서 유래한 대규모이고 이질적인 실세계 당뇨병 데이터셋을 고도로 표준화하고 의미적으로 통합하여 고급 분석을 가능하게 할 수 있는가?
• RQ2 AI 기반 데이터 준비 기법이 15년간의 다기관 EMR 기록에서 발생하는 일관성 없는 사항과 누락된 데이터를 효과적으로 해결할 수 있는가?
• RQ3 종단적 HbA1c 궤적 기반으로 어떤 환자 하위군을 식별할 수 있으며, 이는 임상적 기대와 일치하는가?
• RQ4 시간적 인코딩을 통합한 NLP 기반 모델(예: PubMedBERT)이 당뇨병 환자에서 단기적으로 고위험 심혈관 사건을 예측하는 데 효과적인가?
• RQ5 AI로 유도된 HbA1c 궤적 군집화 결과가 공존 질환 또는 치료 계획과 같은 임상적 결과와 얼마나 관련이 있는가?

주요 결과

• 공식적인 OWL 온톨로지 개발을 통해 320개 당뇨병 중심에서의 임상 데이터를 일관성 있게 해석하고 통합하여 공통 지식 기반을 형성하였다.
• 광범위한 데이터 정제 과정을 통해 다양한 EMR 소프트웨어 버전과 지역적 데이터 입력 관행으로 인한 의미적 불일치를 해결하여 데이터 품질을 크게 향상시켰다.
• 가우시안 혼합 모델과 시간적 K-평균 알고리즘을 활용한 HbA1c 궤적 군집화의 초도 분석 결과, 명확한 환자 하위군이 확인되었으며, 진단 연도의 초기 HbA1c 값이 임상적으로 의미 있는 차이를 보였다.
• 나이 및 사고 타임스탬프 인코딩을 통한 시간적 맥락 통합으로 성능이 향상된 단기 심혈관 위험 예측 모델이 표준 순차 모델링 기법을 능가하였다.
• 분야 특화의 사건 인코딩과 약물 유사성 매핑을 통한 PubMedBERT의 활용은 6개월 이내 향후 고위험 사건 예측을 위한 효과적인 순차 모델링을 가능케 하였다.
• 환자 상태 벡터에 종단적 위험 요인 노출 점수를 통합함으로써 누적 임상 위험을 시간에 따라 포착함으로써 예측 모델링 성능이 향상되었다.