From Data Lifting to Continuous Risk Estimation: A Process-Aware Pipeline for Predictive Monitoring of Clinical Pathways

기술 요약: 데이터 리프팅에서 연속적 위험 추정까지

문제 제기
디지털 건강 시스템은 이질적인 임상 데이터 (예: 전자 건강 기록, 생체 징후, 검사 결과) 를 신뢰할 수 있는 의사결정 지원 지표로 변환하는 데 상당한 도전에 직면해 있습니다. 의료 분야의 전통적인 프로세스 마이닝은 주로 과거 지향적으로, 완료된 환자 경로를 분석하여 모델을 발견하거나 병목 현상을 식별하는 데 중점을 둡니다. 그러나 현대 의료 시나리오는 부분적이고 진화하는 정보 하에서 의사결정이 지원되어야 하는 연속적이고 전망적인 모니터링을 요구합니다. 기존 예측 모니터링 접근법은 종종 고립된 예측 모델에 집중하여 데이터 변환, 프로세스 인식 표현, 그리고 재현 가능한 실험 파이프라인의 중요한 통합을 간과합니다. furthermore, 파편화되고 시간적으로 불일치하는 임상 기록을 사용 가능한 이벤트 로그로 변환하는 데 필요한 "데이터 리프팅"은 종종 예측 아키텍처의 핵심 구성 요소가 아닌 예비 단계로 취급됩니다.

방법론
저자들은 부분적으로 관찰된 환자 경로를 위한 연속적인 위험 추정을 위해 원시 임상 데이터를 변환하도록 설계된 재현 가능하고 프로세스를 인식하는 파이프라인을 제안합니다. 이 프레임워크는 네 개의 모듈식 단계로 구성됩니다:

1. 데이터 통합 및 시간적 검증:

   • 환자 기록, 응급 데이터, 진단, 약물, 생체 징후, 검사 결과 등 이질적인 데이터 소스는 고유 식별자를 사용하여 환자 수준에서 정렬됩니다.
   • 결정론적 "데이터 리프팅" 절차는 데이터를 정제 (결측값 처리, 빈 문자열/0 표준화) 하고 시간적 재구성을 수행합니다.
   • 규칙 기반 변환과 추론 테이블 (여러 소스의 후보 타임스탬프를 집계) 은 분류 시간戳이 입원 시간보다 앞서 있는 것과 같은 불일치를 해결하여 시간적으로 일관된 이벤트 시퀀스를 보장합니다.

2. 이벤트 로그 구성 및 풍부화:

   • 검증된 데이터는 모듈식 이벤트 수집기를 사용하여 표준 이벤트 로그 (XES 형식) 로 변환됩니다.
   • 임상 활동은 특정 속성 (사례 ID, 활동 이름, 타임스탬프, 그리고 생체 징후 또는 진단 코드와 같은 컨텍스트별 속성) 을 가진 이벤트에 매핑됩니다.
   • 추적 수준 속성 (예: 인구통계학적 정보) 은 해당 사례 내의 모든 이벤트로 전파됩니다.

3. 접두사 기반 프로세스 표현 및 특징 추출:

   • 예측 모니터링을 가능하게 하기 위해 완전한 추적이 접두사 (이벤트의 부분 시퀀스) 로 분해됩니다.
   • 특징 공학 모듈은 접두사 수준의 벡터를 추출하며, 여기에는 다음이 포함됩니다:
     • 시간적 특징: 경과 시간, 입원 후 시간, 이벤트 간 간격.
     • 활동 특징: 횟수, 빈도, 마지막으로 관찰된 활동.
     • 전이 특징: 연속된 활동의 패턴.
     • 임상 특징: 시간에 따라 변하는 신호의 집계 통계 (최소값, 최대값, 평균, 최신값).
     • 사례 속성: 정적 인구통계학적 정보.

4. 예측 모니터링:

   • 이 프레임워크는 접두사 수준 특징 벡터로 훈련된 표준 기계 학습 모델 (로지스틱 회귀 및 랜덤 포레스트) 을 사용합니다.
   • 예측 목표 (중환자실 입원) 는 사례 수준에서 정의되어 해당 모든 접두사로 전파되며, 이를 통해 부분적으로 관찰된 경로에 대한 지도 학습이 가능해집니다.
   • 시스템은 새로운 이벤트가 도착함에 따라 위험 추정이 점진적으로 업데이트되는 온라인 모니터링 시나리오를 시뮬레이션합니다.

사례 연구 및 실험 설정
이 파이프라인은 4,479 건의 환자 사례와 46,804 개의 접두사로 구성된 COVID Data for Shared Learning (CDSL) 데이터셋을 사용하여 평가되었습니다.

• 작업: 진화하는 환자 경로를 기반으로 중환자실 입원 가능성을 예측.
• 분할: 정보 누출을 방지하기 위해 사례 수준 분할을 사용했으며, 896 명의 환자 (및 파생된 접두사) 를 테스트 세트로 예약했습니다.
• 평가: 모델은 AUC, 정확도, 정밀도, 재현율, F1 점수를 사용하여 평가되었으며, 특히 다양한 접두사 길이에 따른 성능 변화에 중점을 두었습니다.

주요 결과

• 전체 성능: 로지스틱 회귀가 AUC 0.906 및 F1 점수 0.835로 가장 좋은 성능을 달성하여 랜덤 포레스트 모델을 능가했습니다. 이는 접두사 기반 특징 표현이 상대적으로 간단하고 해석 가능한 모델을 사용하여 정확한 예측을 수행하기에 충분히 정보적임을 시사합니다.
• 점진적 신호 등장: 임상 경로가 진화하고 더 많은 이벤트가 이용 가능해짐에 따라 예측 성능이 크게 향상됩니다:
  • 초기 단계 (접두사 길이 1) 에서 AUC 는 0.642입니다.
  • 접두사 길이 20 에서 AUC 는 0.772로 상승합니다.
  • 후기 단계 (접두사 길이 50) 에서 AUC 는 0.942에 도달합니다.
• 재현성: 파이프라인은 이벤트 로그, 접두사 데이터셋, 특징 테이블, 예측 출력과 같은 명시적인 중간 산출물을 생성하여 전체 워크플로우의 추적 가능성과 재현성을 보장합니다.

의의 및 주장
본 논문은 정적이고 모델 중심적인 예측에서 연속적이고 파이프라인 중심적인 모니터링으로의 패러다임 전환을 주장합니다. 저자들은 다음과 같이 주장합니다:

1. 예측 신호는 점진적으로 등장합니다: 임상적으로 관련 있는 정보는 입원 시점에 집중되는 것이 아니라 시간 경과에 따른 이벤트 시퀀스에 인코딩됩니다. 따라서 위험 추정은 환자 여정이 진화함에 따라 업데이트되는 연속적인 과정이어야 합니다.
2. 데이터 변환은 결정적입니다: 시간적 재구성과 이벤트 로그 구성의 품질은 예측 성능에 결정적인 요소입니다. 데이터 전처리 (특히 시간적 정렬) 는 단순한 예비 단계가 아닌 예측 아키텍처의 핵심 구성 요소로 간주되어야 합니다.
3. 프로세스 인식 표현은 필수적입니다: 환자 경로를 진화하는 시퀀스로 모델링하는 것은 정적 스냅샷을 넘어 예측 가치를 제공합니다. 접두사 기반 표현을 사용하여 진행 중인 사례에 대해 추론할 수 있는 능력은 효과적인 초기 위험 추정을 가능하게 합니다.
4. 재현성과 추적 가능성: 파이프라인을 모듈식이고 산출물을 생성하는 단계로 분해함으로써, 이 프레임워크는 임상 응용에 필수적인 세밀한 검사, 검증 및 디버깅을 지원합니다.

이 연구는 고급 학습 알고리즘이 유용하지만, 견고한 데이터 리프팅, 프로세스 인식 표현, 그리고 재현 가능한 파이프라인의 통합이 의료 분야에서 신뢰할 수 있는 예측 모니터링의 주요 촉진제라고 결론지었습니다.