Identifying antipsychotic treatment episodes using natural language processing and change-point detection

기술 요약: NLP 및 변화점 탐지(Change-Point Detection)를 이용한 항정신병 약물 치료 에피소드 식별

문제 정의
항정신병 약물은 조현병 스펙트럼 장애 치료의 핵심이지만, 실제 임상 현장에서의 처방은 다제요법(polypharmacy) 및 클로자핀(clozapine) 개시 시점과 관련하여 임상 가이드라인에서 벗어나는 경우가 많습니다. 이러한 치료 궤적을 체계적으로 특징짓는 것은 최선의 진료로부터 벗어난 양상과 그 결과를 이해하는 데 필수적입니다. 그러나 중대한 방법론적 장벽이 존재합니다. 처방 정보가 구조화된 필드가 아닌 주로 비구조화된 임상 텍스트에 기록된다는 점입니다. 일부 의료 시스템에는 구조화된 처방 레지스터가 존재하지만, 이는 명시적인 치료 연속성 정보 없이 개별적인 조제 이벤트만을 포착하므로 연구자들이 임의적인 간격 임계값(gap thresholds)에 의존하게 만듭니다. 자유 형식의 텍스트로부터 치료 에피소드를 재구성하는 기존 방식은 수동 차트 검토를 요구하는 노동 집약적인 방식이거나, 실제 복약 순응도를 반영하지 못하는 규칙 기반 임계값에 의존하는 경우가 많습니다. 또한, 자연어 처리(NLP)가 약물 언급을 추출하는 데 적용되어 왔으나, 이러한 방법들은 대개 단순한 개별 언급을 포착할 뿐 종단적 궤적을 재구성하지 못하며, 일상적인 검토, 역사적 참조 또는 중첩된 다제요법으로 인한 노이즈를 유발합니다.

방법론
저자들은 비구조화된 전자 건강 기록(EHR)으로부터 종단적 항정신병 약물 치료 에피소드를 재구성하기 위해 NLP와 변화점 탐지(CPD)를 통합한 확장 가능한 프레임워크를 제안합니다. 본 연구는 2007년부터 2017년 사이 South London and Maudsley NHS Foundation Trust (SLaM)의 조현병 스펙트럼 장애(ICD-10 F20–F29) 환자 12,530명의 데이터를 활용했습니다.

1. 데이터 통합 및 NLP 추출: 파이프라인은 구조화된 처방 데이터와 비구조화된 임상 텍스트를 결합했습니다. 검증된 NLP 파이프라인은 내러티브 노트, 퇴원 요약지, 서신에서 항정 정신병 약물 언급을 추출하고, 동의어와 상품명을 표준화된 약리학적 어휘로 매핑했습니다. 각 이벤트에 대해 시스템은 약물 이름, 제형(경구 또는 장기 지속형 주사제[LAI]), 용량, 문서 날짜를 포함하는 튜플을 생성했습니다.
2. 시계열 모델링: 각 환자에 대해, 추출된 기록들은 이산 범주형 시계열 $S = \{(t_i, m_i)\}$로 정형화되었습니다 (여기서 $t_i$는 타임스탬프, $m_i$는 약물 변수임). 알고리즘의 수렴을 보장하기 위해, 분석은 최소 5개의 기록을 가진 환자로 제한되었습니다.
3. 변화점 탐지 (CPD): PELT(Pruned Exact Linear Time) 알고리즘을 적용하여 시계열의 통계적 특성이 급격히 변하는 지점을 탐지함으로써, 한 치료가 다른 치료로 교체되는 지점을 식s별했습니다. 규칙 기반 방식과 달리, PELT는 사전 지정된 변화점의 개수 없이도 $O(N)$의 기대 시간 복잡도를 달성하기 위해 가지치기(pruning) 메커니즘이 있는 동적 계획법을 사용합니다.
   • 비용 함수(Cost Function): 비모수적 분포 변화를 포착하기 위해 RBF(radial basis function) 커널을 세그먼트별 비용 함수로 사용했습니다.
   • 하이퍼파라미터: 모델은 실제 전환 탐지와 문서화 노이즈 사이의 균형을 맞추기 위해 패널티 파라미터($\beta$)와 변화점 사이의 최소 세그먼트 길이를 강제하는 min size 파라미터를 사용하여 튜닝되었습니다.
4. 병용 사용 탐지: 프레임워크는 두 가지 유형의 병용 사용을 구분했습니다:
   • 전환 중첩(Transition Overlap): 약물 교체 중 발생하는 일시적인 중첩 (변화점 주변의 28일 윈도우 내에서 두 약물이 모두 언급되는 경우로 탐지).
   • 동시 치료(Concurrent Therapy): 지속적인 병용 요법 (에피소드 동안 두 번째 항정신병 약물이 최소 3회 이상 언급되거나 월 1회 이상 언급되는 경우로 정의).
5. 검증: 알고리즘은 50명의 환자로부터 얻은 113개의 수동 주석 에피소드를 통해 검증되었습니다. 또한, "알려진 집단(known-groups)" 검증을 통해 클ло자핀 사용자와 비클로자핀 사용자 간의 치료 에피소드 수를 비교하여 대규모에서의 임상적 타당성을 평가했습니다. 치료 지표와 의료 이용(입원 및 입원 일수) 간의 연관성은 일반화 선형 모델(GLM)을 사용하여 분석되었습니다.

주요 결과

• 알고리즘 성능: PELT 알고리즘은 min size를 2로, 패널티를 7로 최적화했을 때 수동 주석 대비 0.81의 F1 스코어를 달축했습니다. 오차 분석 결과, 약물 재시작, 희소한 기록, 일시적인 다제요법에서 어려움이 확인되었습니다.
• 치료 에피소드: 11,731명의 환자에 걸쳐 24,648개의 치료 에피소드가 식별되었습니다.
• 다제요법: 병용 항정신병 약물 사용은 전체 에피소드의 31.7%에서 탐지되었습니다 (전환 중첩 1,989건 및 동시 치료 에피소드 5,827건).
• 임상 패턴:
  • 클로자핀 사용자는 비클로자핀 사용자(1.9회)에 비해 유의하게 높은 평균 치료 에피소드 수(3.3회)를 보였으며, 이는 치료 저항성 조현병에 대한 임상적 기대와 일치합니다.
  • 올란자핀(Olanzapine)이 가장 흔한 1차 약제였으며, 리스페리돈(risperidone)과 아리피프라졸(aripiprazole)이 그 뒤를 이었습니다. 팔리페리돈(Paliperidone)은 가장 흔한 2차 약제였습니다.
  • 클로자핀은 가장 긴 평균 에피소드 기간(76.8개월)을 가졌습니다.
• 서비스 이용과의 연관성:
  • 높은 병용 처방률과 더 많은 전(pre)-클로자핀 에피소드는 입원 횟수 및 입원 일수의 증가와 양의 상관관계가 있었습니다.
  • 전체 에피소드 대비 LAI 에피소드의 비율이 높을수록 의료 서비스 이용이 감소하는 것과 관련이 있었습니다.
  • 교체 속도(평균 에피소드 기간)와 최종 에피소드의 안정성은 의료 서비스 이용과 유의미한 연관성이 없었습니다.

의의 및 주장
본 논문은 CPD를 적용하여 NLP로 추출된 EHR 내러티브로부터 연속적인 항정신병 치료 에피소드를 직접 재구성한 첫 번째 연구라고 주장합니다. 주요 의의는 정신 건강 EHR의 구조화된 처방 연속성 데이터 부재를 극복하기 위한 확장 가능하고 자동화된 접근 방식을 제공한다는 점에 있습니다.

저자들은 이 프레임워크가 다음과 같은 기능을 수행한다고 단언합니다:

1. 확장성 한계 극복: 노동 집약적인 수동 추상화 과정 없이, 실제 임상적 전환과 문서화된 아티팩트를 분리해 냅니다.
2. 임상적 미묘함 포착: 규칙 기반 접근 방식에서는 놓치기 쉬운, 예상된 교차 타이트레이션(cross-titration) 중첩과 의도적인 병용 요법을 성공적으로 구분합니다.
3. 다운스트림 분석 가능: 도출된 지표(예: 치료 복잡성, 전환 빈도)는 통계 모델에 통합되어, 치료 최적화 지연과 입원 증가 사이의 연관성과 같은 처방 패턴과 의료 이용 간의 관계를 밝혀낼 수 있습니다.
4. 일반화 가능성 제공: 범주형 시계열 입력만을 필요로 하는 모듈형 아키텍처는 다른 만성 질환에도 적용 가능하며, 처방 품질 모니터링, 자동 코호트 페노타이핑(phenotyping), 치료 저항성 식별을 위한 임상 의사 결정 지원 시스템 등의 잠재적 응용 분야에 적합합니다.

저자들은 파이프라인의 정확도가 상위 단계의 NLP 추출 능력에 의존하며, 파편화된 의료 네트워크에서 어려움을 겪을 수 있고, 다양한 문서화 스타일에 따른 재보정이 필요하다는 점을 인정하며 한계점에 대해 신중한 태도를 유지합니다. 또한, 관찰 연구의 특성상 보고된 연관성에 대해 인과적 해석을 내릴 수는 없음을 명시합니다.