A Community-Based Machine Learning Model for Predicting Major Adverse Cardiovascular Events in Kazakh Hypertensive Patients

기술 요약: 카자흐족 고혈압 환자의 주요 심혈관 사건 예측을 위한 커뮤니티 기반 머신러닝 모델

문제 제기
중국은 약 2억 4천만 명의 고혈압 환자를 보유하고 있으며, 심혈관 질환이 주요 사망 원인으로 남아 있어 심각한 공중 보건 부담에 직면해 있습니다. 신장 지역의 카자흐족은 독특한 생활 방식 및 식습로(예: 높은 염분 섭취, 육류 중심의 식단, 유목 생활)로 인해 고혈파 발생률이 가장 높으며, 이는 높은 빈도의 주요 심혈관 사건(MACEs)으로 이어집니다. 기존의 위험 예측 모델은 이 소수 민족에 대한 특이성이 부족한 경우가 많으며, 신장 지역의 농촌 및 유목 지역은 의료 자원이 불균형하게 분포되어 있어 조기 예방과 개별화된 관리가 어렵습니다. 따라서 카자흐족 고혈압 인구에 특화되어 검증된, 해석 가능한 예측 모델을 구축하여 1차 예방 전략을 촉진할 수 있는 절실한 필요성이 존재합니다.

방법론
본 연구는 알타이 시 인민 병원 및 3개 읍 단위 보건소의 '고혈압 관리 센터'에 등록된 1,180명의 카자흐족 고혈압 환자를 대상으로 하는 전향적 코호트 설계를 활용하였습니다. 데이터 수집은 2020년 1월부터 12월까지 수행되었으며, 전향적 추적 관찰은 2024년 12월 31일까지 지속되었습니다 (중앙값 추적 기간: 1,176일).

• 데이터 수집: 기초 데이터에는 인구통계학적 정보, 병력, 신체 검사(진료실 혈압 및 24시간 활동 혈압), 생화학적 지표(지질 프로필, 포도당, 호모시스테인, 전해질, 신기능)가 포함되었습니다. 주요 결과 변수는 ICD-10 코드로 확인된 첫 번째 MACEs 발생(불안정 협심증, 비치명적 심근경색, 심부전, 허혈성 뇌졸중 또는 사망)입니다.
• 특징 선택: 예측 변수는 단변량 분석, LASSO(Least Absolute Shrinkage and Selection Operator) 회귀, 그리고 임상 전문가 검증의 3단계 과정을 통해 선택되었습니다. 최종적으로 8개의 예측 변수가 식별되었습니다: 연령, 당뇨병 상태, 혈청 칼륨, 공복 혈당, 호모시스테인(Hcy), 총 콜레스테롤(TC), 저밀도 지질단백질 콜레스테롤(LDL-C), 그리고 진료실 수축기 혈압입니다.
• 모델 개발: 데이터셋은 무작위로 훈련 세트(70%)와 검증 세트(30%)로 분할되었습니다. 네 가지 머신러닝 및 통계 모델이 구축 및 비교되었습니다: Cox 회귀, 랜덤 포레스트(Random Forest), 결정 트리(Decision Tree, DT), 그리고 XGBoost(Extreme Gradient Boosting).
• 평가 지표: 성능은 AUC(Area Under the Curve), 정확도(ACC), 양성/음성 예측도(PPV/NPV), F1-score, 교정 곡선(calibration curves), 그리고 결정 곡선 분석(DCA)을 사용하여 평가되었습니다.
• 해석 가능성: 최적의 모델은 SHAP(Shapley Additive Explanations)를 사용하여 해석되었으며, 이를 통해 특징의 중요도를 정량화하고 위험 기여도를 시각화했습니다. 임상 적용을 용이하게 하기 위해 R Shiny 프레임워크를 사용하여 웹 기반 계산기를 개발했습니다.

주요 결과

• 발생률: 추적 관찰 기간 동안 참가자의 327명(27.7%)이 MACEs를 경험했습니다.
• 모델 성능:
  • 결정 트리(DT) 모델이 가장 견고하고 균형 잡힌 성능을 보여주었습니다. 검증 세트에서 AUC 0.776, 정확도 0.797, PPV 0.444, NPV 0.933, F1-score 0.550을 달성했습니다.
  • XGBoost는 검증 세트에서 가장 높은 AUC(0.829)를 기록했으나, 낮은 정밀도(PPV = 0.242)와 높은 위양성률로 인해 더 낮은 F1-score(0.390)를 나타냈습니다.
  • 랜덤 포레스트와 Cox 회귀는 일반화 능력이 떨어지는 모습을 보였는데, 랜덤 포레스트는 가장 낮은 AUC(0.577)를 기록했고, Cox 회귀는 높은 PPV에도 불구하고 낮은 정확도(0.599)를 보였습니다.
• 교정 및 유용성: DT 모델은 우수한 교정 능력(평균 절대 오차 ≈ 0.021)을 보였으며, 결정 곡선 분석(DCA)에서 0%~75%의 임계 확률 범위 전반에 걸쳐 안정적인 순 이득(net benefit)을 유지하여 강력한 임상적 유용성을 입증했습니다.
• 특징 중요도 (SHAP): SHAP 분석 결과 상위 4개 위험 요인은 다음과 같습니다:
  1. LDL-C: 가장 영향력 있는 예측 변수로, 수치가 높을수록 위험도가 증가했습니다.
  2. 연령: 연령이 높아짐에 따라 위험이 점진적으로 증가했습니다.
  3. 진료실 수축기 혈압: 높은 수치는 위험 상승과 연관되었습니다.
  4. 혈청 칼륨: 낮은 수준(저칼륨혈증)은 위험 증가와 관련이 있었고, 높은 수준은 보호 효과가 있었습니다.
     기타 유의미한 요인으로는 Hcy, 공복 혈당, TC 및 당뇨병 상태가 포함되었습니다.

의의 및 주장
본 논문은 개발된 결정 트리 기반 모델이 알타이 지역의 카자흐족 고혈압 환자에게 특화된 3년 MACEs 위험을 효과적으로 예측한다고 주장합니다. 본 연구는 다음을 강조합니다:

1. 민족적 특이성: 본 모델은 특정 식이 요인(예: 칼륨 및 염분 섭위가 미치는 영향)과 관련된 요인을 통합함으로써, 기존 문헌의 공백을 메우고 카자흐 인구의 독특한 위험 프로필에 초점을 맞춤으로써 차별성을 가집니다.
2. 임상 적용 가능성: "블랙박스"로 작용할 수 있는 복잡한 앙상블 모델과 달리, 결정 트리 모델은 자원이 제한된 1차 의료 환경에 적합한 직관적인 구조를 제공합니다. 높은 음성 예측도(NPV)는 저위험 환자를 효과적으로 식별하게 하여 불필요한 개입을 줄일 수 있습니다.
3. 해석 가능성: SHAP 분석의 통합은 모델의 예측이 확립된 임상 지식(예: 정상 칼륨 수치의 보호 효과 및 높은 LDL-C와 연령에 따른 위험)과 일치함을 확인시켜 주어 투명성을 제공합니다.
4. 배포: 연구와 실제 현장 사이의 간극을 좁히기 위해, 저자들은 접근 가능한 웹 기반 계산기로 모델을 배포하여 커뮤니티 및 임상 현장에서 개별화된 예방 및 치료 전략을 지원하는 것을 목표로 합니다.

본 연구는 머신러닝이 유연성을 제공하지만, 결정 트리 모델이 이 특정 인구 집단에 대해 예측 정확도, 안정성 및 임상적 해석력 사이의 최적의 균형을 제공하며, 표적 심혈관 위험 관리를 위한 과학적 근거 역할을 한다고 결론짓습니다.