충북대 이종연 교수
충북대 배장환 교수충북대 이종연 교수(컴퓨터과학과)와 배장환 교수(의학과)등이 머신러닝(기계학습기법)을 이용해 기존의 위험도 예측도구보다 심근경색증 환자 1년 사망률 예측을 더 정밀하게 할 수 있음을 증명해 학계의 관심을 모으고 있다.
이 교수등은 최근 세계적인 의학저널인 ‘Health Informatics Journal'에 ’A machine learning-based 1-year mortality prediction model after hospital discharge for clinical patients with acute coronary syndrome(급성 관상 동맥 증후군 환자의 퇴원 후 기계 학습 기반 1 년 사망률 예측 모델)‘을 게재했다.
이 교수등은 이 논문에서 급성 관상 동맥 증후군이 있는 임상 환자에서 퇴원 후 기계 학습 기반 1년 사망률 예측 모델을 제안했다.
이를 위해 이 교수 등은 지난 2008년 1월 1일부터 30일까지 한국의 52개 병원에 등록된 심혈관 질환 데이터베이스인 KAMIR(Korean Acute Myocardial Infarction Registry)에서 1만813명을 선택해 1년간 머신러닝 기법을 통해 추적관찰했다.
급성 관상동맥 증후군 환자(ACS 환자)에 대해 퇴원 후 1년 동안 기계 학습 기반 사망률 예측 모델을 구현한 결과 머신 러닝 기반 모델이 회귀 기반 사망률 예측 모델인 ‘GRACE’보다 성능이 우수한 것으로 나타났다.
배 교수등은 이 논문이 ACS 임상 환자를 위한 머신 러닝 기반 1년 사망률 예측 모델의 개발로 이어졌다는 점, 한국인의 인구 통계 학적 특성을 잘 반영해 ACS 환자에서 퇴원 후 1 년간의 임상적 추적 조사에서 사망률의 발생을 예측할 수 있다는 점, 머신 러닝 기반 사망률 예측 모델의 성능이 GRACE 위험예측 도구보다 우수함을 보여준 게 의미가 있다고 밝혔다.
배장환 교수는 “심혈관 질환은 전 세계적으로 사망의 주요 원인이므로 심혈관 질환의 조기 예측 및 진단은 이 치명적인 질병의 영향을 받는 환자에게 필수적”이라면서 “이번 연구결과는 급성 관상 동맥 증후군 환자에서 주요 이상 심혈관 사건의 예측 및 조기 발견에 유리할 것”이라고 밝혔다.