Sequence models reveal diagnosis accumulation pathways beyond comorbidity burden in population-scale hospital data

기술 요약: 시퀀스 모델을 통한 동반 질환 부담을 넘어선 진단 축적 경로의 규명

문제 정의
엘릭스하우저(Elixhauser) 동반 질환 지수와 같은 현재의 임상 도구들은 특정 시점에 존재하는 질환들의 횡단적 요약에 의존한다. 이러한 지표들은 입원 사망률 및 자원 사용량을 예측하는 데는 효과적이지만, 종단적 정보, 즉 질병의 발생 시기, 순서, 그리고 축적 속도라는 결정적인 정보를 버리게 된다. 결과적으로, 이들은 유사한 연령과 정적인 질병 부담을 가졌음에도 불구하고 미래의 건강 결과가 판이하게 다를 수 있는 노화 궤적의 역동적 이질성을 포착하지 못한다. 저자들은 종단적 병원 진단 이력이 연령, 성별, 기성 동반 질환 점수 이상의 예측 정보를 포함하고 있는지, 그리고 시퀀스 모델이 이 정보를 추출하여 분기되는 건강 궤적을 식별할 수 있는지 조사한다.

방법론
본 연구는 740만 명의 환자를 포함하는 13년간의 오스트리아 전국 입원 청구 데이터(1997~2009년)를 활용한다. 접근 방식은 다음의 2단계 과정으로 구성된다:

1. 대조 학습 사전 훈련 (비지도 학습):

   • 아키텍처: 방문 수준의 트랜스포머(4계층 BERT 스타일 인코더)가 환자의 병력을 일련의 병원 방문 시퀀스로 처리한다.
   • 입력값: 각 방문은 ICD-10 진단 코드, 이전 입원 이후 경과된 시간(월 단위로 범주화), 그리고 환자의 성별을 사용하여 인코딩된다.
   • 학습 목표: 모델은 InfoNCE 손실 함수를 사용하는 대조 자기 지도 학습을 채택한다. 모델은 코드 드롭아웃(code dropout)과 방문 서브샘플링을 통해 각 환자의 이력에 대해 두 개의 확률적 증강 뷰(augmented views)를 생성한다. 목표는 동일한 환자의 두 뷰 사이의 유사성을 극대화하는 동시에, 배치 내 다른 환자들과의 유사성은 최소화하는 것이다.
   • 출력: 이 과정을 통해 모델은 레이블 없이도 종단적 의료 궤적의 구조를 포착하는 32차원의 환자 이력 임베딩을 생성한다.

2. 다운스트림 예측 (지도 학습):

   • 코호트: 별도로 분리된 170만 명의 코호트 (2010~2014년 추적 관찰).
   • 모델: 네 가지 모델 클래스를 벤치마킹하였다:
     • 인구통계학적 모델: 연령 및 성별.
     • 동반 질환 모델: 연령, 성별 및 엘릭스하우저 점수.
     • 임베딩 모델: 연령, 성별 및 학습된 환자 이력 임베딩.
     • 결합 모델: 모든 특징량 포함.
   • 결과 변수:
     • 발생 질환 블록: 131개의 특정 ICD-10 질환 블록 결과 (A00–N99).
     • 사건 미발생 생존율(Event-Free Survival): 5년간의 추적 관찰 기간 동안 사망하거나, 이전에 기록되지 않은 두 번째 ICD-10 질환 블록을 축적하지 않고 생존하는 것으로 정의된 복합 궤적 수준의 종점.
   • 잔여 위험 분석: 임베딩의 가치를 격리하기 위해, 저자들은 환자들을 유사한 기저 위험(연령, 성별, 엘릭스하우저 십분위수 기준 층화)으로 분류한 후 "잔여 위험"($r_i = \hat{p}_{embedding} - \hat{p}_{comorbidity}$)을 계산하였다. 이를 통해 표준 동반 질환 모델보다 임베딩이 유의미하게 높거나 낮은 위험을 예측하는 환자들을 식별하였다.

주요 결과

• 예측 성능:

  • 임베딩 모델은 131개 질환 블록 중 101개에서 인구통계학적 모델보다 우수하였고(중앙값 AUC 이득 +0.012), 엘릭스하우저 기반 동반 질환 모델보다 93개 블록에서 우수하였다(중앙값 AUC 이득 +0.006).
  • 이득은 균일하게 나타나지 않았다. 이득은 정신, 근골격계, 신경계, 대사 질환에 집중되었다. 종양, 감염성 질환, 피부 질환에 대한 이득은 미미하거나 없었다.
  • 복합 사건 미발생 생존율 종점의 경우, 임베딩 모델은 동반 질환 모델의 AUC 0.722와 비교하여 0.726의 AUC를 달キ성하였다(이득 +0.0037).

• 잔여 위험 및 궤적 분기:

  • 동반 질환 모델 하에서 거의 동일한 예측 위험(평균 위험 ~0.53)을 가진 환자들 중, 임베딩 모델에 의해 높은 잔여 위험을 할당받은 환자들은 유의미하게 더 나쁜 결과를 경험하였다.
  • 사건 미발생 생존율: 고잔여 위험 환자들은 5년 동안 저잔여 위험 환자들에 비해 132~183일 적은 사건 미발생 일수를 기록하였다.
  • 연령 등가성: 고잔여 위험 환자(예: 50세)는 저잔여 위험 환자(예: 64세)보다 10년 이상 더 높은 연령대의 환자와 유사한 사건 발생률을 보였다.
  • 임상적 특성: 임베딩 신호는 엘릭스하우저 점수가 포착하지 못한 랜드마크 이전 이력의 측정 가능한 차이와 상관관계가 있었다: 더 높은 방문 빈도, 더 큰 진단 다양성, 더 많은 영향을 받은 ICD-10 챕터, 더 빠른 질환 블록 축적 속도, 그리고 마지막 입원 이후 더 짧은 시간 경과.

의의 및 주장
본 논문은 종단적 병원 진단 이력이 정적인 동반 질환 요약에는 압축되거나 소실될 수 있는 미래의 질병 축적에 관한 정보를 포함하고 있다고 주장한다. 주요 기여는 평균적인 변별력(AUC)의 거대한 일률적 상승이 아니라, 기존의 척도 하에서는 유사해 보이는 환자들 사이에서 임상적으로 의미 있는 이질성을 드러내는 능력에 있다.

저자들은 대조 시퀀스 모델이 질병 축적의 폭, 최근성, 그리고 속도와 관련된 신호를 추출할 수 있다고 주장한다. 이를 통해 "숨겨진" 질병 축적 위험을 식별할 수 있으며, 이는 정적인 계수(count)가 제공할 수 없는 헬스스팬(healthspan) 이질성에 대한 궤적 기반의 설명을 제공한다. 본 연구는 비록 AUC의 평균적인 이득은 완만할지라도, 정적인 부담량 아래에서 서로 다른 궤적을 식별하는 것이 노화와 다중 질환의 역동적인 본질을 이해하는 데 있어 중요한 진전임을 시사한다.

언급된 한계점
저자들은 본 분석이 외래 진단, 약물, 생활 방식 요인을 누락한 입원 청구 데이터에 국한되어 있음을 명시적으로 인정하였다. 또한, 관찰된 미미한 이득은 입원 데이터의 한계나 이미 충분히 정보력이 높은 베이스라인으로부터 광범위한 질병 결과를 예측하는 것의 본질적인 어려움을 반영할 수 있다고 언급하였다. 아울러, 잔여 위험 분석은 기술적(descriptive)인 것이며, 인과관계나 수정 가능한 과정을 확립하는 것이 아니라 연관성을 식별하는 것임을 밝혔다.