[논문 리뷰] Declarative Sequential Pattern Mining of Care Pathways

Thomas Guyet, André Happe외 1명|arXiv (Cornell University)|2017. 07. 26.

Logic, Reasoning, and Knowledge참고 문헌 4인용 수 16

한 줄 요약

이 논문은 의료-행정 데이터베이스에서 임상적으로 의미 있는 비중복성 치료 경로를 추출하기 위해 답변 집합 프로그래밍(ASP)을 사용하는 선언적 순차 패턴 마이닝 프레임워크를 제안한다. 복잡한 시간적 및 의미적 제약 조건(예: 케이스-크로스오버 설계, 약물 전환 패턴)을 인코딩하여 희귀하지만 중요한 패턴(예: 경련 발생 전에 일반약에서 브랜드 약으로의 AED 전환)을 높은 정밀도로 식별하며, 4,359개의 패턴을 30초 미만으로 32개로 감소시킨다.

ABSTRACT

Sequential pattern mining algorithms are widely used to explore care pathways database, but they generate a deluge of patterns, mostly redundant or useless. Clinicians need tools to express complex mining queries in order to generate less but more significant patterns. These algorithms are not versatile enough to answer complex clinician queries. This article proposes to apply a declarative pattern mining approach based on Answer Set Programming paradigm. It is exemplified by a pharmaco-epidemiological study investigating the possible association between hospitalization for seizure and antiepileptic drug switch from a french medico-administrative database.

연구 동기 및 목표

• 기존의 순차 패턴 마이닝 기법이 치료 경로 분석에서 과도하고 중복적이며 임상적으로 무의미한 패턴을 생성하는 문제를 해결하기 위해.
• 임상의사가 광범위한 데이터 전처리 없이도 종단적 환자 데이터에 대한 복잡하고 의미가 풍부한 질의를 표현할 수 있도록 하기 위해.
• 논리 기반 프레임워크 내에서 직접 케이스-크로스오버 연구 설계를 모델링하여 약물역학 epidemiology 분야의 가설 생성을 지원하기 위해.
• 임상 지식(예: 약물 분류 체계, ICD-10 코드)을 패턴 마이닝에 통합하여 의미적 관련성을 향상시키기 위해.
• 위험 창에서 빈도가 높고, 대조 창에서 존재하지 않는 패턴에 집중함으로써 계산 및 인지적 부담을 줄이기 위해.

제안 방법

• 패턴 마이닝 작업을 논리 규칙을 통해 정의하는 선언적 패러다임으로 답변 집합 프로그래밍(ASP)을 사용하여, 절차적 알고리즘 구현을 피한다.
• 환자 치료 경로를 논리적 사실로 인코딩: deliv(P, T, CIP, Q)는 약물 투여를, disease(P, T, D)는 진료를 나타내며, 시간 제약 조건을 포함한다.
• 각 환자당 두 개의 시퀀스를 생성한다: 첫 번째 경련 발생 전 3개월(양성), 3~6개월 전(음성)의 기간을 대상으로 하며, 시간 경계와 firstseizure(P, T)를 트리거로 사용한다.
• 기능적 리터럴을 통해 패턴을 정의: seq(P, T, deliv(AED, Gr, G))는 ATC 코드, 전문의약품 ID, 일반약/브랜드 약 상태를 포함한 약물 투여를 나타낸다.
• ASP 규칙을 통해 제약 조건을 적용한다: 빈도 기준 20 이상, 음성 창에서의 패턴 배제(각각 discr(T) 및 neg_support(T)를 통해), 정확히 한 번의 전환(각각 change(X) 및 count 제약 조건을 통해).
• clingo를 ASP 솔버로 사용하여 유효하고 제약 조건을 충족하는 패턴을 나타내는 정답 집합을 계산함으로써 효율적이고 확장 가능한 추론을 가능하게 한다.

실험 결과

연구 질문

• RQ1 ASP와 같은 선언적 논리 프로그래밍 접근 방식이 치료 경로 내에서 복잡하고 임상적으로 의미 있는 순차 패턴을 효과적으로 모델링할 수 있는가?
• RQ2 시간적 및 의미적 제약 조건(예: 약물 전환, ICD-10 코드, ATC 분류)을 어떻게 인코딩하여 희귀하지만 중요한 패턴에 집중할 수 있는가?
• RQ3 전통적인 순차 패턴 마이닝 알고리즘에 비해 ASP 기반 마이닝이 무의미한 패턴의 수를 얼마나 줄일 수 있는가?
• RQ4 각 환자를 자신의 대조군으로 삼는 방식을 통해 프레임워크가 자연스럽게 케이스-크로스오버 연구 설계를 표현할 수 있는가?
• RQ5 대규모 의료-행정 데이터베이스에서 제약 조건이 부여된 패턴을 추출하는 데 있어 이 접근 방식의 효율성은 어떠한가?

주요 결과

• ASP 기반 프레임워크는 표준 순차 패턴 마이닝을 사용할 경우 4,359개의 패턴에서 추출된 결과를 단 32개로 줄여 패턴의 관련성을 크게 향상시켰다.
• 솔버는 30초 미만으로 모든 유효한 패턴을 추출하여, 복잡한 제약 조건에도 불구하고 높은 계산 효율성을 입증했다.
• 대표적인 패턴으로 ⟨(N03AG01,438,1),(N03AG01,438,1),(N03AX14,1023,0),(N03AX14,1023,0)⟩이 확인되었으며, 이는 경련 발생 전 3개월 내에 일반약 볼프라세팜(CIP 438)에서 브랜드 약 레비티라세탐(CIP 1023)으로의 전환을 나타낸다.
• 이 특정 패턴은 위험 창에서 20명 이상의 환자에서 관찰되었지만, 대조 창에서는 관찰되지 않아 경련 발생과의 잠재적 연관성을 시사한다.
• 프레임워크는 복잡한 제약 조건을 성공적으로 인코딩하고 강제 적용했다: 빈도 ≥20, 대조 창에서의 존재 금지, 정확히 한 번의 약물 전환(일반약에서 브랜드 약 또는 그 반대).
• 이 접근 방식은 임상의사가 광범위한 데이터 정제 없이도 치료 순서에 대한 새로운 가설을 신속하게 탐색하고 검증할 수 있도록 하여 임상적 가설 생성을 향상시킨다.