[논문 리뷰] Modelling of Sickle Cell Anemia Patients Response to Hydroxyurea using Artificial Neural Networks

Brendan E. Odigwe, Jesuloluwa S. Eyitayo외 2명|arXiv (Cornell University)|2019. 11. 25.

Machine Learning in Healthcare참고 문헌 20인용 수 4

한 줄 요약

이 연구는 122명의 낙엽성 빈혈 환자로부터 확득한 22개의 혈액 유래 파ameters를 사용하여 헤모글로빈 F(HbF) 수준에 대한 수소우레아(HU) 치료 반응을 예측하기 위해 딥 신경망(DNN) 모델을 개발한다. 이 모델은 HU 치료 후 헤모글로빈 F(HbF) 수준을 예측하는 데 92.6%의 정확도를 기록하여 비응답자에게 불필요한 노출을 줄이고 개인 맞춤형 치료 결정을 가능하게 한다.

ABSTRACT

Hydroxyurea (HU) has been shown to be effective in alleviating the symptoms of Sickle Cell Anemia disease. While Hydroxyurea reduces the complications associated with Sickle Cell Anemia in some patients, others do not benefit from this drug and experience deleterious effects since it is also a chemotherapeutic agent. Therefore, to whom, should the administration of HU be considered as a viable option, is the main question asked by the responsible physician. We address this question by developing modeling techniques that can predict a patient's response to HU and therefore spare the non-responsive patients from the unnecessary effects of HU on the values of 22 parameters that can be obtained from blood samples in 122 patients. Using this data, we developed Deep Artificial Neural Network models that can predict with 92.6% accuracy, the final HbF value of a subject after undergoing HU therapy. Our current studies are focussing on forecasting a patient's HbF response, 30 days ahead of time.

연구 동기 및 목표

• 낙엽성 빈혈 환자에서 수소우레아(HU) 반응을 예측할 수 있는 생물학적 지표를 규명하기 위해.
• 치료 이전에 HU 효과를 예측하여 비응답자에서의 부작용을 줄이기 위해.
• HU 치료 후 HbF 수준을 높은 정확도로 예측할 수 있는 기계학습 모델을 개발하기 위해.
• HU 치료 시작 30일 전에 HbF 반응을 예측함으로써 낙엽성 빈혈에서 개인 맞춤 의료를 실현하기 위해.
• 임상 적용 가능성을 확보하기 위해 22개의 일상적으로 측정되는 혈액 파ameters를 입력 특성으로 활용하기 위해.

제안 방법

• 딥 신경망(DNN)은 낙엽성 빈혈 환자 122명의 임상 데이터를 기반으로 훈련되었다.
• 입력 특성로는 수소우레아 치료 이전에 확보한 22개의 혈액 파ameters가 포함되었다.
• 모델는 HU 치료 후 최종 헤모글로빈 F(HbF) 수준을 예측하도록 최적화되었다.
• 모델 성능 평가를 위해 정확도를 확보하기 위해 10겹 교차검증이 사용되었다.
• 기본 파라미터와 HbF 반응 사이의 비선형 관계를 처리할 수 있도록 아키텍처가 설계되었다.
• 본 연구는 모델의 확장을 통해 HU 치료 시작 30일 전에 HbF 수준을 예측하는 데 중점을 두고 있다.

실험 결과

연구 질문

• RQ1 낙엽성 빈혈 환자에서 수소우레아 치료에 대한 HbF 반응을 가장 강하게 예측하는 기초 혈액 파ameters는 무엇인가?
• RQ2 일반적인 혈액 검사만을 사용하여 딥 신경망이 HU 치료 후 HbF 수준을 정확하게 예측할 수 있는가?
• RQ3 기계학습 모델은 비응답 환자에게 수소우레아를 투여할 위험을 어떻게 줄일 수 있는가?
• RQ4 모델은 치료 시작 30일 전에 HbF 반응을 예측할 수 있는가?
• RQ5 임상 생물학적 지표를 사용하여 HbF 반응을 예측하기 위한 최적의 모델 아키텍처는 무엇인가?

주요 결과

• 딥 신경망 모델은 수소우레아 치료 후 최종 헤모글로빈 F(HbF) 수준에 대해 92.6%의 예측 정확도를 달성하였다.
• 모델는 22개의 일상적으로 측정되는 변수 중에서 HU 반응을 예측할 수 있는 핵심 기초 혈액 파ameters를 성공적으로 규명하였다.
• 10겹 교차검증을 통해 높은 일반화 성능을 입증하였다.
• 본 연구는 기계학습이 치료 이전 혈액 데이터만을 사용하여도 HbF 반응을 효과적으로 예측할 수 있음을 확인하였다.
• 현재 프레임워크는 임상 의사결정 지원을 위해 HU 치료 시작 30일 전에 HbF 반응을 예측하도록 확장 중이다.
• 이 접근법은 낙엽성 빈혈에서 개인 맞춤형 치료 계획 수립을 위한 실현 가능한 길을 제공한다.