[논문 리뷰] Discriminant chronicles mining: Application to care pathways analytics

Dauxais, Yann, Thomas Guyet외 2명|arXiv (Cornell University)|2017. 09. 11.

Data Mining Algorithms and Applications참고 문헌 1인용 수 4

한 줄 요약

이 논문은 간질 발작이 있는 환자에서 대조군보다 더 자주 발생하는 시간적 패턴—특히 정량적 시간 제약 조건이 있는 약물 투여 및 사건의 순서—을 식별하는 새로운 분류 기반 기록 마이닝 알고리즘인 DCM을 제안한다. 프랑스의 의료행정 데이터에 적용된 결과, DCM은 간질 발작 위험 증가와 관련된 임상적으로 의미 있는 분류 기반 기록, 즉 비정상적인 항간질 약물 교체와 함께 공존하는 항응고제 치료를 규명하였다.

ABSTRACT

Pharmaco-epidemiology (PE) is the study of uses and effects of drugs in well defined populations. As medico-administrative databases cover a large part of the population, they have become very interesting to carry PE studies. Such databases provide longitudinal care pathways in real condition containing timestamped care events, especially drug deliveries. Temporal pattern mining becomes a strategic choice to gain valuable insights about drug uses. In this paper we propose DCM, a new discriminant temporal pattern mining algorithm. It extracts chronicle patterns that occur more in a studied population than in a control population. We present results on the identification of possible associations between hospitalizations for seizure and anti-epileptic drug switches in care pathway of epileptic patients.

연구 동기 및 목표

• 기존의 사전 정의된 가설에 의존하고 시간적 순서를 효과적으로 활용하지 못하는 전통적 약물 epidemiological 연구의 한계를 해결하기 위해.
• 특정 결과(예: 간질 발작 관련 입원)가 발생한 환자에서 더 자주 발생하는 시간적 패턴—특히 정량적 시간 제약 조건이 있는 기록—을 식별하는 방법을 개발하기 위해.
• 실제 종단적 치료 경로에서 데이터 기반 가설을 생성하여 임상의가 실행 가능한 통찰을 도출할 수 있도록 지원하기 위해.
• 시간적 패턴 마이닝을 활용하여 은폐된 임상적으로 관련성이 있는 연관성을 규명함으로써 의료행정 데이터베이스의 분석을 향상시키기 위해.

제안 방법

• DCM은 레이블이 부여된 치료 경로 시퀀스에서 정량적 시간 제약 조건으로 연결된 사건의 집합인 기록을 추출하는 분류 기반 시간 패턴 마이닝 알고리즘이다.
• 기록은 상호 간격 시간 제약 조건(DTC)을 가진 사건의 집합으로 정의되며, 이는 타임스탬프 상의 간격으로 모델링되며, 양성(예: 발작) 그룹에서 음성(대조군) 그룹보다 더 자주 발생하는 경우 분류 기반으로 간주된다.
• 알고리즘은 비분류 기반 패턴을 걸러내기 위해 지지도 기반의 가지치기 전략을 사용하며, 양성 집합에서 유의미하게 높은 빈도로 발생하는 패턴에만 집중한다.
• 시간적 관계를 표현하고 검증하기 위해 제약 조건 충족 기반 접근법을 적용하여 약물 투여 또는 의료 사건 간의 지연을 정밀하게 모델링할 수 있다.
• 패턴의 분류 능력을 순위 매기기 위해 성장률 지표를 통합하여 통계적 증거가 강한 패턴을 우선순위로 정렬한다.
• 이 방법은 실세계의 SNIIRAM 데이터를 대상으로 평가되었으며, 간질 환자에서 항간질 약물 교체와 함께 공존하는 약물에 초점을 맞추었다.

실험 결과

연구 질문

• RQ1 정량적 시간 제약 조건이 있는 시간 패턴 마이닝이 약물 사용 패턴과 간질 발작 관련 입원 간 임상적으로 관련성이 있는 연관성을 식별할 수 있는가?
• RQ2 대규모 실세계 의료행정 데이터베이스에서 분류 기반 기록을 자동으로 발견할 수 있는가?
• RQ3 항간질 약물 교체 시점의 비정상성은 단순한 순서 빈도를 초월해 간질 발작 위험 증가와 관련이 있는가?
• RQ4 함께 공존하는 비간질 약물(예: 항응고제)을 포함한 기록이 숨겨진 약물 상호작용을 드러낼 수 있는가?

주요 결과

• DCM은 항간질 약물 교체를 포함하는 네 개의 분류 기반 기록을 성공적으로 추출하였으며, 양성 집합에서 지지도 값은 43에서 78, 음성 집합에서는 23에서 53이었다.
• 바르프로산(N03AG01)과 함께 항응고제(B01AC06) 및 진통제(N02BE01)가 공존하는 복잡한 기록은 양성 집합에서 지지도가 50, 음성 집합에서는 17이었으며, 성장률이 2.94로 높았다.
• 두 번의 약물 교체를 포함하는 다른 기록은 양성 집합에서 지지도가 78, 음성 집합에서는 53이었으며, 간질 발작 사건과 강한 연관성이 있음을 시사했다.
• 임상의들은 지연된 세 번째 약물 투여(DTC [72,83])를 포함하는 기록이 치료의 불안정성을 시사하며, 이는 약물 복용 불이행 또는 관리 부족을 의미한다고 평가했다.
• 아스피린과 파라세타몰의 공존이 90일 이내에 발생하는 기록은 뇌졸중 관련 악화와 연관되어 간질 악화 가능성을 시사했으며, 경로 검토를 통해 임상적으로 타당한 가설로 확인되었다.
• 분류 기반 기록의 시계열 시각화에서 제약 조건 정보의 손실가능성이 드러나, 정확한 임상적 해석을 위해 DTC를 유지하는 것이 중요함을 시사했다.