Inferring Chronic Treatment Onset from ePrescription Data: A Renewal Process Approach

이 논문은 만성 질환의 발병 시점을 진단 기록 대신 처방 데이터의 갱신 과정 (renewal process) 을 모델링하여 추론하는 확률적 프레임워크를 제안하며, 대규모 데이터를 통해 기존 규칙 기반 방법보다 더 신뢰할 수 있는 발병 시점 추정이 가능함을 입증했습니다.

핵심

이 논문은 **"전자 처방전 데이터를 이용해 만성 질환이 언제 시작되었는지 더 정확하게 찾아내는 새로운 방법"**을 소개합니다.

기존의 의료 기록은 마치 **"불완전한 일기장"**과 같습니다. 과거의 기록이 누락되거나, 병원에 처음 갔을 때만 기록되고 그 이후에는 업데이트가 안 되는 경우가 많죠. 하지만 처방전 데이터는 다릅니다. 약을 계속 받아야 하니까, 마치 **"규칙적인 우편물"**처럼 시간이 지남에 따라 꾸준히 쌓입니다.

저자들은 이 '규칙적인 우편물' 패턴을 분석해서, 환자가 언제부터 진짜 만성 질환 치료를 시작했는지 찾아내는 방법을 고안했습니다.

이 연구의 핵심 내용을 일상적인 비유로 설명해 드릴게요.

---

1. 문제: "일기장"은 믿을 수 없지만, "우편물"은 믿을 수 있다

• 기존 방식 (일기장): 의사 diagnosis(진단명) 기록을 믿고 병이 시작된 시점을 찾습니다. 하지만 과거 기록이 없거나, 병명이 잘못 적혀 있을 수 있어 신뢰도가 낮습니다. 마치 친구가 "내 생일은 10 년 전이야"라고 말했지만, 그 친구가 기억을 잘못하고 있을 수도 있는 것과 비슷합니다.
• 새로운 방식 (우편물): 환자가 약을 계속 받아가는 기록을 봅니다. 만성 질환 환자는 약을 끊지 않고 꾸준히 받아야 하죠. 이는 **"규칙적으로 배달되는 우편물"**과 같습니다. 우편물이 언제부터 규칙적으로 오기 시작했는지 보면, 그 환자가 언제부터 약이 필요한 상태가 되었는지 알 수 있습니다.

2. 방법론: "우편물 배달 패턴"을 분석하는 두 가지 단계

저자들은 환자의 처방전 기록을 두 가지 패턴으로 나누어 분석합니다.

① '우연한 방문' vs '규칙적인 구독'

• 우연한 방문 (포아송 과정): 가끔 감기에 걸려 약을 한두 번 받는 경우입니다. 우편물이 불규칙하게 오거나, 아예 오지 않다가 갑자기 한 번 오는 상태죠.
• 규칙적인 구독 (위버 과정): 만성 질환 환자는 약을 끊지 않고 정해진 날짜마다 받습니다. 마치 정기 구독 서비스처럼 "매달 1 일", "3 개월마다" 같은 규칙적인 패턴이 생깁니다.

② "변화점" 찾기 (Change-point Detection)

이 연구의 핵심은 **"언제부터 우연한 방문이 규칙적인 구독으로 바뀌었는가?"**를 찾는 것입니다.

• 예: 환자가 2016 년~2018 년까지는 가끔 감기약만 받았는데, 2019 년 3 월부터는 고혈압 약을 3 개월마다 규칙적으로 받기 시작했다고 가정해 봅시다.
• 이 연구의 알고리즘은 **"2019 년 3 월"**을 '만성 질환 치료 시작일'로 판단합니다.
• 기존 방식은 단순히 "고혈압 약을 처음 받은 날"을 치료 시작일로 잡았을 텐데, 그날은 이미 치료 중이었을 수도 있어 (과거 기록 누락) 시기를 너무 일찍 잡거나, 반대로 너무 늦게 잡을 수 있습니다. 하지만 이 방법은 패턴이 바뀐 순간을 찾아내므로 훨씬 정확합니다.

3. 실험 결과: "과거로 거슬러 올라가는 시간 여행"을 막다

• 기존 방식의 문제: 데이터가 2016 년부터 시작되었다고 해서, 2016 년에 처방전이 하나만 있어도 "아, 이 환자는 2016 년에 병이 생겼구나"라고 잘못 판단하는 경우가 많았습니다. 마치 2016 년에 우편함이 비어있었는데, 그걸 보고 "2016 년에 우편물이 없었으니 병이 없었겠지"라고 오해하는 것과 비슷합니다.
• 새로운 방식의 성과: 이 새로운 방법은 "아직 규칙적인 패턴이 안 잡혔으면 치료 시작이 아니야"라고 판단합니다. 그래서 2016 년에 갑자기 병이 생긴 것처럼 보이는 엉뚱한 결과 (과거로 거슬러 올라가는 시간 여행) 를 크게 줄였습니다.
• 예시: 코로나 19 는 2019 년에 생긴 병인데, 기존 방식은 2016 년에도 코로나 약을 처방받은 것처럼 잘못 예측했습니다. 하지만 이 새로운 방법은 2019 년 이후의 규칙적인 패턴을 찾아내어, 2016 년 같은 엉뚱한 시기를 제외했습니다.

4. 한계점: "우편물"이 너무 적으면 알 수 없다

• 이 방법은 약이 꾸준히 처방되는 질환 (고혈압, 당뇨 등) 에는 매우 강력합니다.
• 하지만 약을 가끔만 받거나, 처방 횟수가 너무 적은 질환은 "규칙적인 우편물" 패턴을 만들기 어렵기 때문에 감지가 어렵습니다.
• 즉, **"우편물이 충분히 쌓여야만 그 패턴을 읽을 수 있다"**는 뜻입니다.

5. 결론: 왜 이 연구가 중요한가?

이 연구는 **"병이 언제 시작되었는지"**를 정확히 아는 것이 AI 가 의료 데이터를 분석할 때 얼마나 중요한지 보여줍니다.

• 잘못된 시작 시점을 알면, AI 가 "이 환자는 병이 없는데 약을 먹었네?"라고 착각하거나, 반대로 "이미 병이 있었는데 약을 안 먹었네?"라고 오해할 수 있습니다.
• 이 새로운 방법은 불완전한 의료 기록 속에서도, 약을 받아가는 '리듬'을 통해 진짜 치료 시작 시기를 찾아내어, 더 정확한 의료 AI 모델을 만들 수 있게 도와줍니다.

한 줄 요약:

"불완전한 진료 기록 대신, **'약이 규칙적으로 배달되기 시작한 날'**을 찾아내어 만성 질환의 진짜 시작 시기를 정확히 파악하는 똑똑한 방법입니다."

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 전자 건강 기록 (EHR) 의 왼쪽 절단 (Left-censoring) 문제: 많은 국가의 EHR 데이터는 디지털 시스템 도입 이전의 기록이 누락되거나 불완전하여, 질병의 실제 발병 시점 (Onset) 을 진단 기록만으로 파악하는 것이 어렵습니다. 특히 슬로베니아의 경우 2016 년 진단 기록이 급격히 증가하기 시작했는데, 이는 실제 질병 발생률의 증가가 아니라 시스템 도입의 불완전성을 반영합니다.
• 진단 기록의 불신뢰성: 진단 코드는 일회성 기록이 많고, 체계적으로 업데이트되지 않으며, 오코딩 (misclassification) 비율이 높을 수 있습니다 (예: 1 형과 2 형 당뇨병의 동시 발생률이 문헌보다 3 배 높게 기록됨).
• 처방 데이터의 잠재력: 반면, 외래 처방 데이터는 질병 관리의 지속적인 신호를 제공합니다. 특히 만성 질환의 경우 약물이 주기적으로 재처방 (Renewal) 되어야 하므로, 처방 패턴을 분석하면 진단 기록이 누락된 상태에서도 치료 시작 시점을 추론할 수 있습니다.
• 기존 방법의 한계: 기존의 단순한 휴리스틱 (예: '만성' 라벨이 붙은 첫 처방을 발병 시점으로 간주) 은 처방의 역동성을 무시하여, 실제 발병 시점보다 훨씬 이른 시점 (Early detection) 을 추정하거나 데이터 누출 (Data leakage) 을 유발할 수 있습니다.

2. 제안된 방법론 (Methodology)

저자들은 처방 데이터를 갱신 과정 (Renewal Process) 으로 모델링하여, '우발적 처방 (Sporadic)'에서 '지속적 치료 (Sustained Therapy)'로의 전환을 탐지하는 확률적 프레임워크를 제안했습니다.

가. 시간적 점 과정 (Temporal Point Processes) 모델링

각 환자 - 약물 쌍의 처방 시점을 인터-도착 시간 (Inter-arrival times, $\tau$) 의 분포로 모델링합니다.

• 기저 모델 (Null Model): 우발적이거나 비구조적인 처방 행동을 설명하기 위해 동질 포아송 과정 (Homogeneous Poisson Process) 을 사용합니다. 인터-도착 시간은 지수 분포를 따릅니다 ($h(t)=\lambda$).
• 지속적 치료 모델: 규칙적인 리필 행동을 설명하기 위해 위브 (Weibull) 갱신 과정을 사용합니다. 인터-도착 시간은 2 매개변수 위브 분포를 따릅니다.
  • 모양 파라미터 ($k$): 처방의 규칙성을 나타냅니다. $k \approx 1$은 포아송 (우발적), $k > 1$은 규칙적인 리필 (지속적 치료), $k < 1$은 군집화된 단기 치료를 의미합니다.
  • 척도 파라미터 ($\lambda$): 특징적인 리필 간격을 결정합니다.
  • 재처방 정책 (Renewability) 고려: '재처방 가능 (Renewable)'과 '재처방 불가 (Non-renewable)' 처방은 서로 다른 시간 척도와 규칙성을 가지므로, 각각에 대해 별도의 파라미터 ($k_{d,r}, \lambda_{d,r}$) 를 추정하여 모델링합니다.

나. 변화점 탐지 (Change-point Detection)

환자의 처방 이력에서 우발적 처방에서 지속적 치료로의 전환 시점 ($\hat{c}$) 을 탐지합니다.

• 로그 가능도 (Log-likelihood) 최적화: 주어진 시점 $c$를 변화점으로 가정했을 때의 로그 가능도 $\ell(c)$를 계산합니다.
  $$\ell(c) = \sum_{i<c} \log p_{null}(\tau_i) + \sum_{c \le i} \log p_{chr}(\tau_i | r_i)$$
• 판정 기준: 변화점이 수용되려면, 전체 시퀀스를 기저 모델 (포아송) 로만 설명했을 때보다 로그 가능도가 임계값 $\epsilon$만큼 향상되어야 합니다 ($\ell(\hat{c}) - \ell_{null} > \epsilon$).
• 결과 해석: 탐지된 변화점 $\hat{c}$의 날짜를 해당 약물에 대한 치료 표현형 (Treated-phenotype) 의 발병 시점으로 간주합니다.

다. 질병 수준 표현형 구성 (Disease-level Phenotype Construction)

• 약물 - 질병 연관성 학습: 추론된 치료 시작 시점과 기록된 진단 (ICD-10) 간의 시간적 공발생 (Temporal co-occurrence) 을 분석하여 약물과 질병의 연관성을 경험적으로 학습합니다.
• 집계: 각 환자 - ICD 코드 쌍에 대해, 해당 질병과 연관된 약물들 중 가장 빠른 치료 시작 시점을 해당 질병의 발병 시점으로 할당합니다.

3. 주요 결과 (Results)

• 데이터: 슬로베니아 전국의 240 만 명 환자, 1 억 1 천만 건의 외래 처방, 5 천 8 백만 건의 진단 데이터를 분석했습니다 (2016~2022 년).
• 모델 유효성 검증:
  • 위브 분포의 모양 파라미터 ($k$) 추정치는 '만성' 라벨이 있는 처방만 사용한 경우와 모든 처방을 사용한 경우 간에 높은 상관관계 ($r=0.86$) 를 보였습니다. 이는 행정적 라벨이 불완전하더라도 갱신 구조를 복원할 수 있음을 시사합니다.
  • 재처방 가능/불가능 처방은 명확히 다른 갱신 역학 ($\lambda$ 및 $k$ 값 차이) 을 보였습니다.
• 발병 시점 추정 정확도:
  • 조기 탐지 감소: 단순 규칙 기반 (Naive baseline, 만성 라벨 첫 처방) 은 데이터 수집 초기 (2016 년) 에도 많은 질병의 발병 시점을 추정하는 등 비현실적인 '과도한 조기 탐지 (Over-triggering)'를 보였습니다. 반면, 제안된 변화점 탐지 방법은 이러한 오류를 크게 줄이고 진단 기록과 시간적으로 더 일치하는 분포를 보였습니다.
  • COVID-19 사례: COVID-19 는 2019 년 이전에 존재하지 않았으나, 단순 규칙 기반 방법은 2016 년부터 발병 시점을 예측했습니다. 제안된 방법은 이러한 비현실적인 추정을 피했습니다.
• 성능 제한 요인:
  • 탐지 성능 (Recall) 은 처방 밀도 (Prescription Density) 와 강한 상관관계 ($r \approx 0.67$) 를 가졌습니다. 처방이 빈번하고 규칙적인 만성 질환은 높은 정확도로 탐지되지만, 처방이 드물거나 간헐적인 질환은 탐지가 어렵습니다.
  • 제안된 방법은 보수적 (Conservative) 인 접근을 취하므로, 단순 규칙 기반보다 전체 탐지 수는 적지만 (310 만 건 vs 150 만 건), 신뢰성 (Precision) 과 시간적 타당성이 더 높습니다.

4. 주요 기여 및 의의 (Contributions & Significance)

1. 새로운 프레임워크 제안: EHR 의 왼쪽 절단 문제와 진단 기록의 불완전성을 해결하기 위해, 처방 데이터를 확률적 갱신 과정 (Stochastic Renewal Process) 으로 모델링하여 만성 치료의 시작 시점을 추론하는 새로운 방법을 제시했습니다.
2. 시간적 타당성 향상: 단순한 규칙 기반 트리거링을 대체하여, 치료의 지속성을 통계적으로 검증함으로써 비현실적인 조기 발병 추정을 크게 줄였습니다. 이는 코호트 구성 (Cohort construction) 과 데이터 누출 방지에 필수적입니다.
3. EHR 표현형 분석의 통찰: 질병 탐지 성능이 처방 데이터의 밀도에 의존함을 보여주었습니다. 이는 EHR 기반 AI 모델링 시, 데이터의 품질과 양 (처방 빈도) 이 모델 성능의 상한선을 결정할 수 있음을 시사합니다.
4. 실용적 적용 가능성: 슬로베니아와 같이 진단 기록이 불완전한 환경에서도, 처방 데이터를 활용하여 만성 질환의 치료 시작 시점을 보다 정확하게 파악할 수 있음을 입증했습니다.

5. 결론

이 연구는 처방 데이터의 역동성을 모델링함으로써, 불완전한 진단 기록을 보완하고 만성 질환의 치료 시작 시점을 보다 신뢰할 수 있게 추론할 수 있음을 입증했습니다. 제안된 방법은 특히 데이터가 왼쪽 절단된 환경에서 코호트 연구 및 하류 AI 모델링의 품질을 향상시키는 데 중요한 기여를 합니다.