[논문 리뷰] Infant Mortality Prediction using Birth Certificate Data

Antonia Saravanou, Clemens Noelke외 3명|arXiv (Cornell University)|2019. 07. 21.

Data-Driven Disease Surveillance참고 문헌 13인용 수 4

한 줄 요약

이 논문은 출생증명서 데이터를 활용하여 사회경제적 및 임상적 특성을 기반으로 유아 사망률을 예측하기 위한 기계학습 접근법을 제안한다. XGBoost를 사용해 인종별 모델을 훈련시켜 최대 AUC 점수 0.84를 기록하며, 기존의 표준 역학적 방법에 비해 유의하게 뛰어난 예측 정확도를 달성했으며, 특히 모성 교육 수준, 인종, 출생 체중이 사망률 예측에 핵심적인 역할을 한다는 점을 입증한다.

ABSTRACT

The Infant Mortality Rate (IMR) is the number of infants per 1000 that do not survive until their first birthday. It is an important metric providing information about infant health but it also measures the society's general health status. Despite the high level of prosperity in the U.S.A., the country's IMR is higher than that of many other developed countries. Additionally, the U.S.A. exhibits persistent inequalities in the IMR across different racial and ethnic groups. In this paper, we study the infant mortality prediction using features extracted from birth certificates. We are interested in training classification models to decide whether an infant will survive or not. We focus on exploring and understanding the importance of features in subsets of the population; we compare models trained for individual races to general models. Our evaluation shows that our methodology outperforms standard classification methods used by epidemiology researchers.

연구 동기 및 목표

• 사회경제적 및 임상적 요인을 포함한 종합적인 출생증명서 데이터를 활용해 유아 사망률 예측 정확도를 향상시키는 것.
• 일반 인구 모델과 비교해 인종 기반 모델링이 예측 성능을 향상시키는지 조사하는 것.
• 해석 가능한 기계학습 기법을 사용해 유아 사망률 예측에 가장 영향을 미치는 특징을 규명하는 것.
• 클래스 불균형 상황(1:1, 1:10, 1:145)에서 모델 성능을 평가해 일반화 능력을 점검하는 것.
• 고위험 하위군과 핵심 위험 요인을 규명함으로써 공중보건 정책에 실질적인 통찰을 제공하는 것.

제안 방법

• 모성, 유아, 산과 특성 등을 포함한 128개 특징을 가진 1,200만 건의 미국 출생증명서 데이터셋(2000–2002년)을 활용한다.
• 이진 분류를 위해 XGBoost를 사용하여 유아 생존 여부(예/아님)를 예측하며, 성능 최적화를 위해 초모수 조정을 실시한다.
• 백인, 흑인, 아메리칸 인디언 등 각 인종 그룹별 별도의 모델을 훈련시어 인구 특화 모델링의 영향을 평가한다.
• AUC를 사용해 모델 성능을 평가하고, 기울기 부스팅 결정수트에서의 정보 획득량을 통해 특징 중요도를 분석한다.
• 실제 데이터의 편향을 시뮬레이션하기 위해 다양한 클래스 불균형 분포(1:1, 1:10, 1:145)에서 모델을 테스트하여 일반화 능력을 평가한다.
• 모성 교육 수준, 결혼 상태, 거주지 등 외부 사회경제적 특징을 활용해 예측 성능를 향상시킨다.

실험 결과

연구 질문

• RQ1 출생증명서 데이터를 기반으로 훈련된 기계학습 모델이 기존의 전통적 역학적 방법보다 유아 사망률 예측에서 뛰어난 성능을 보일 수 있는가?
• RQ2 일반 모델 대비 인종 기반 모델을 훈련시키는 것이 예측 정확도를 향상시키는가?
• RQ3 모델에 따르면 사회경제적 및 임상적 특징 중 어떤 것이 유아 사망률 예측에 가장 예측력이 있는가?
• RQ4 클래스 불균형(1:145)이 모델 성능에 미치는 영향은 무엇이며, 이를 완화하기 위한 전략은 무엇인가?
• RQ5 모성 특성(예: 교육 수준, 연령, 인종)이 유아 사망률 예측에 얼마나 기여하는가?

주요 결과

• XGBoost 모델은 백인 인구에서 AUC 0.84를 기록했고, 일반 인구(1:145 불균형)에서는 0.82를 기록하며, 기존의 표준 역학적 방법에 비해 유의미하게 뛰어난 성능을 보였다.
• 인종 기반 모델링이 예측 정확도를 향상시키며, 흑인 인구에서는 AUC 0.83, 아메리칸 인디언 인구에서는 0.75를 기록하여 하위군 모델링이 성능 향상에 기여함을 시사한다.
• 가장 중요한 두 특징은 출생 체중(g 단위)과 아파가르 점수이며, 그 다음으로 모성 교육 수준, 연령, 인종이 중요도가 높아 사회경제적 요소의 역할을 부각시킨다.
• 상위 20개 특징 중 9개가 모성 관련 특징(예: 결혼 상태, 거주지, 산전 검진 횟수)으로 구성되어 있어 모성 배경의 중요성을 강조한다.
• 불균형 수준이 다양하더라도 모델은 높은 성능 유지를 보였으며, AUC는 1:1일 때 0.84에서 1:145일 때 0.82로 약간 감소하여 강건성을 입증했다.
• 특징 중요도 분석을 통해 임상적 요소(예: 임신 주수, 선천성 기형)와 사회경제적 지표(예: 모성 교육 수준, 흡연 여부)가 정확한 예측에 핵심적인 역할을 한다는 점을 확인했다.