Nationwide EHR-Based Chronic Rhinosinusitis Prediction Using Demographic-Stratified Models

기술 요약: 인구통계학적 층화 모델을 활용한 전국적 EHR 기반 만성 부비동염 예측

문제 제기
만성 부비동염 (CRS) 은 미국 인구의 약 11~12% 에게 영향을 미치는 이질적인 염증성 질환으로, 상당한 질병 부담과 재정적 부담을 초래합니다. 초기 식별은 알레르기 비염과 같은 일반적인 질환과 증상이 겹치기 때문에 어렵고, 공식적인 진단은 주로 비내시경 또는 CT 스캔과 같은 객관적 증거를 필요로 하는데, 이는 1 차 진료 환경에서 항상 이용 가능한 것은 아닙니다. 기존 예측 연구들은 단일 기관 코호트에 의존하여 인구 수준의 일반화 가능성을 제한하거나, 유전자 시퀀싱 및 영상과 같은 자원 집약적 모달리티를 활용했습니다. 또한, 기존 머신러닝 접근법은 연령에 따른 병리학적 변화 및 질병 발현의 성별 차이와 같은 CRS 표현형의 두드러진 인구통계학적 이질성을 고려하지 못하는 경우가 많습니다.

방법론
저자들은 NIH "All of Us" 연구 프로그램의 전국적 종단 전자건강기록 (EHR) 데이터를 OMOP 공통 데이터 모델로 표준화하여 예측 프레임워크를 개발했습니다. 방법론은 세 가지 핵심 구성 요소로 이루어져 있습니다:

1. 데이터 전처리 및 코호트 구성:

   • 목표 정의: CRS 사례는 2 년 기간 내에 최소 두 개의 해당 진단 코드가 필요한 규칙 기반 표현형화 전략을 사용하여 식별되었습니다. 대조군은 감시 편향을 완화하기 위해 연령, 성별, 인종, 민족, 방문 빈도를 기반으로 사례와 성향 점수 매칭 (propensity-score matched) 되었습니다.
   • 특성 공학: 원시 트랜잭션 로그는 최근성 기반 특성 표현으로 변환되었습니다. 각 임상 변수 (질환, 약물, 시술) 에 대해 특성 값은 가장 최근 사건과 인덱스 날짜 사이의 일수를 나타냅니다. 2 년 창 밖의 사건이나 발생하지 않은 사건은 보간 없이 트리 기반 모델이 결측 데이터를 구별할 수 있도록 999,999 라는 센티널 값을 할당받았습니다.
   • 균형 조정: 1:1 최근 이웃 매칭 전략을 사용하여 17,560 명의 참가자 (사례 8,780 명, 대조군 8,780 명) 로 구성된 균형 잡힌 코호트를 생성했습니다.

2. 하이브리드 특성 선택:
   극심한 희소성과 110,000 개 이상의 후보 코드로 인한 차원성을 해결하기 위해 2 단계 파이프라인을 구현했습니다:

   • 1 단계 (통계적 거친 선별): 변수는 사례와 대조군 간의 유병률 절대 차이 ($|P_{target} - P_{control}|$) 로 순위가 매겨졌습니다. 상위 1,100 개의 특성 (질환 300 개, 시술 500 개, 약물 300 개) 이 유지되었습니다.
   • 2 단계 (모델 기반 정밀 선별): 최적화된 글로벌 XGBoost 분류기가 1,100 개의 특성을 기반으로 훈련되었습니다. 특성은 정보 이득 기반 중요도로 순위가 매겨졌으며, 상위 100 개가 선택되었습니다. 이 하위 집합은 총 누적 SHAP 값의 80.6% 를 설명하여 예측력을 유지하면서 해석 가능성을 높였습니다.

3. 인구통계학적 층화 모델링:
   CRS 표현형이 성별과 연령에 따라 달라진다는 점을 인식하여, 코호트를 성별 (남성/여성) 과 세 연령대 (1840 세, 4060 세, 60 세 이상) 를 교차한 6 개의 상호 배타적 층으로 분할했습니다. 각 층에 대해 6 개의 독립적인 XGBoost 모델이 훈련되었습니다. 각 모델은 AUC-ROC 를 극대화하기 위해 100 번의 시행 동안 베이지안 트리 구조 파라젠 추정기 (TPE) 알고리즘을 사용하여 독립적으로 하이퍼파라미터 최적화를 거쳤습니다.

주요 기여

• 전국적 규모: 단일 기관 연구의 일반화 한계를 극복하기 위해 "All of Us" 코호트의 다양성과 풍부함을 활용했습니다.
• 하이브리드 특성 선택: 110,000 개 이상의 임상 코드를 100 개의 해석 가능한 특성으로 압축하는 파이프라인을 도입하여 간결성과 예측 성능 사이의 균형을 맞췄습니다.
• 인구통계학적 층화: 질병 표현형에서의 연령 의존적 성별 이형성을 명시적으로 고려하는 모델링 프레임워크를 제안하여, 단일 글로벌 모델 대신 6 개의 맞춤형 모델을 훈련했습니다.
• 임상 적용성: 비용이 많이 드는 영상 또는 유전자 데이터에 의존하지 않고도 정기적으로 수집된 EHR 데이터가 위험 계층화를 지원할 수 있음을 입증했습니다.

결과
제안된 인구통계학적 층화 XGBoost 프레임워크는 전체 곡선 아래 면적 (AUC) 0.8461을 달성했습니다. 이는 최상의 베이스라인 (AUC 0.8293 인 글로벌 XGBoost 모델) 보다 0.0168만큼 향상된 것입니다. 제안된 방법은 랜덤 포레스트 (0.8159), SVM(0.8120), 딥러닝 (0.8072) 모델보다도 우수했습니다.

중요하게도, 층화 접근법은 모든 6 개 하위 그룹에서 판별력을 향상시켰으며, AUC 향상 폭은 +0.0076 에서 +0.0278 까지 다양했습니다. 이 모델은 0.6889 의 민감도를 달성하여 표준 머신러닝 접근법을 크게 상회했는데, 이는 영향을 받은 환자가 놓치지 않도록 선별 검사에 임상적으로 유리합니다.

특성 중요도 분석은 그룹 간 뚜렷한 생물학적 신호를 드러냈습니다:

• 남성: 모델은 구조적 및 용종성 특성을 우선시했습니다 (예: 젊은 남성의 코중격 만곡, 노년 남성의 비용종).
• 여성: 모델은 점막 염증 및 아토피 마커를 선호했습니다 (예: 노년 여성의 알레르기 비염, 천식 및 감염 마커).

의의
이 논문은 인구통계학적 이질성을 명시적으로 모델링함으로써 CRS 위험 예측에서 측정 가능한 이득을 얻는다고 주장합니다. 다양한 성별 - 연령 하위 그룹과 관련된 특정 위험 요인을 포착함으로써, 이 프레임워크는 인구 대표성 있는 위험 계층화를 위한 더 정확한 도구를 제공합니다. 저자들은 이 접근법이 특히 진단 영상이 이용 불가능할 때 1 차 진료 환경에서 더 빠른 분류 및 진료 우선순위 결정을 촉진할 수 있으며, 의사결정을 주관적 인상에서 증거 기반 예측으로 전환할 수 있다고 제안합니다. 이 연구는 전문의 평가 전에 잠재적 CRS 사례를 식별하는 데 일상적인 EHR 데이터의 유용성을 강조합니다.