Predicting Hospitalization Cost Overruns for Pulmonary Infections via Integrated Statistical Learning Methods

기술 요약: 통합 통계 학습 방법을 통한 폐렴 환자의 입원 비용 초과 예측

문제 정의
입원 환자 중 폐렴 환자의 의료비 초과 문제는 특히 진단 관련 그룹(DRG) 지불 제도 개편의 맥락에서 병원 경영 효율성에 중대한 도전 과제가 되고 있다. 기존 문헌들은 호흡기 질환의 높은 경제적 부담을 인정하고 있으나, 고급 변수 선택 알고리즘과 통계적 머신러닝을 결합하여 구체적인 비용 동인을 식별하는 심층적인 분석은 부족한 실정이다. 전통적인 접근 방식은 주로 주관적인 단계적(stepwise) 변수 선택과 선형 가정에 의존하며, 이는 의료 데이터에 내재된 복잡한 공분산 구조나 비선형 관계를 포착하지 못할 수 있다. 반면, "블랙박스" 형태의 머신러닝 모델은 정확도는 높지만, 실행 가능한 정책 수립 및 임상 관리에 필요한 해석력을 결여하는 경우가 많다. 본 연구는 폐렴 환자의 입원 비용 초과를 유발하는 핵심 요인을 식별하기 위해 견고한 분석 프레임워크를 구축함으로써 이러한 간극을 메우고자 한다.

연구 방법론
본 연구는 2023년 1월부터 2024년 12월까지 사천성 소재의 대규모 1급 종합병원에서 수집된 1,826건의 입원 기록 데이터를 활용하였다. 환자 선정 기준은 주요 진단명이 폐렴이며, 특정 CHS-DRG 코드(ES31, ES33, ES35, ES38)로 분류되고, 연령이 14세 이상인 경우로 제한하였다. 데이터는 훈련 세트와 테스트 세트로 1:1 비율로 분할되었다.

연구는 네 가지 주요 단계로 구성된 통합 통계 학습 프레임워크를 적용하였다:

1. 데이터 전처리: 변수들에 대해 희소성 스크리닝(근사 제로 분산 제거) 및 단변량 분석(Wilcoxon 순위합 검정 및 카이제곱 검정)을 수행하였다. 또한, 상관계수 행렬(Spearman)을 사용하여 매우 중복된 변수($|r| > 0.8$)를 제거하였다.
2. 전역 특징 선택 (Global Feature Selection): 전통적인 단계적 회귀 및 LASSO의 한계를 극복하기 위해 적응형 최적 부분 집합 선택(ABESS) 알고리즘을 채택하였다. 이 방법은 $L_0$ 노름 제약을 최적화하여 전역적으로 최적화된 희소 특징 조합을 찾아냄으로써, 변수 선택의 객관성과 안정성을 보장한다.
3. 베이스라인 모델링 및 비선형 탐색: ABESS로 선택된 변수들을 사용하여 다변량 로지스틱 회귀 모델을 구축하였다. 잠재적인 비선형성을 다루기 위해 일반화 가법 모델(GAM)을 도입하였으며, 특히 "재원 일수(LOS)" 변수에 평활 함수(smoothing function)를 적용하였다.
4. 머신러닝 검증: 랜덤 포레스트(Random Forest)와 XGBoost 알고리즘을 외부 벤치마크로 활용하여 로지스틱 모델의 판별력 있는 견고성과 일반화 능력을 검증하였다. 이 모델들은 변수 중요도를 교차 참조하고 식별된 비용 동인의 일관성을 확보하는 역할을 하였다.

주요 결과

• 변수 선택: ABESS 알고리즘은 DRG 코드, 성별, 재원 일수, 진단명 개수, C-반응성 단백질(CRP), 크레아티닌, 저단백혈증, 고단계 항생제 사용, 면역글로불린 사용 등 9가지 핵심 예측 지표를 식별하였다.
• 로지스틱 회귀 성능: 베이스라인 로지스istic 모델은 높은 예측 정확도를 보였으며, AUC 값은 각각 0.915(훈련) 및 0.904(검증)였다. 주요 유의한 동인은 다음과 같다:
  • 재원 일수 (LOS): 재원 일수가 1일 증가할 때마다 비용 초과 오즈(odds)가 59.7% 증가하였다 (OR = 1.597, $P < 0.001$).
  • 진단명 개수: 진단명이 하나 추가될 때마다 초과 위험이 13.6% 증가하였다 (OR = 1.136, $P < 0.001$).
  • 성별: 남성 환자가 더 높은 초과 위험을 보였다 (OR = 1.697, $P = 0.018$).
  • DRG 코드: 본 연구의 특정 맥락에서 복잡도가 높은 코드(예: ES31)는 초과 비용과 역상관 관계를 보였다 (OR = 0.122). 이는 자원 배분의 차이를 시사한다.
• 비선형 통찰: GAM 분석은 재원 일수와 비용 초과 사이의 비선형 관계를 확인하였으며, 재원 일수가 증가함에 따라 초과 위험의 성장률이 둔화되는 양상을 보였다. GAM은 AUC 측면에서 미미한 개선(훈련 0.939, 테스트 0.910)을 보였으나, 주요 가치는 연속형 변수의 비선형적 간섭를 분리해내는 데 있었다.
• 머신러닝 검증: 랜덤 포레스트와 XGBoost 모델은 더 높은 훈련 AUC(각각 0.969 및 0.974)를 달 기록했으나, 테스트 세트에서는 과적합(overfitting) 징후(0.873 및 0.913)를 보였다. 결정적으로, 두 알고리즘 모두 "재원 일수"와 "DRG 코드"를 상위 2개 중요 변수로 일관되게 선정하여, 해석 가능한 로지스틱 모델의 결과를 뒷받집하였다.
• 특정 약제 사용: 면역글로불린 사용은 GAM에서 유의한 위험 동인으로 나타났으나 (OR = 8.188, $P = 0.039$), 로지스틱 모델에서는 경계적 유의성만을 보였다. 저자들은 이를 해당 약제의 "틈새적이지만 고비용인" 특성으로 인한 데이터 희소성 때문이라고 설명하였다.

의의 및 주장
본 논문은 세 가지 주요 기여를 주장한다:

1. 데이터 대표성: 상급 종합병원의 대규모 종합 데이터셋을 활용함으로써 강력한 지역적 대표성과 임상적 참조 가치를 확보하였다.
2. 방법론적 혁신: 전역 최적 특징 선택을 위한 ABESS 알고리즘과 비선형 궤적을 포착하기 위한 GAM을 통합함으로써, 전통적인 단계적 방법론에 비해 모델 명세 편향을 완화하고 변수 선택의 객관성을 높였다.
3. 견고한 하이브리드 프레임워크: 본 연구는 "베이스라인 설명 + 비선형 탐색 + 머신러닝 검증" 프레임워크를 구축하였다. 이 접근법은 전통적 통계학의 엄격한 해석력과 머신러닝의 예측력을 균형 있게 결합하였다.

저자들은 머신러닝 모델이 우수한 적합 한계(fitting bounds)를 제공하지만, 비선형 트렌드를 위한 GAM이 보완된 로지스틱 회귀 모델이 핵심 비용 동인을 식별하는 데 있어 더 투명하고 임상적으로 실행 가능한 도구를 제공한다고 결론지었다. 이 프레임워크는 통계적으로 견고하면서도 병원 관리자와 정책 입안자에게 해석 가능한 의사결정 지원을 제공함으로써, DRG 정책 하에서의 정교한 관리를 지원한다. 본 연구는 단일 센터 설계로 인한 일반화의 한계를 인정하며, 향후 연구에서 사회경제적 요인과 다기관 검증이 포함되어야 함을 제언하였다.