Limited discriminative utility of resting-state heart rate variability for chronic pain–depression–anxiety comorbidity subtypes: an exploratory SHAP-based machine-learning analysis

기술 요약: CPDA 하위 유형에 대한 휴식기 HRV의 제한된 변별적 효용성

문제 제기
만성 통증은 흔히 우울 및 불안과 공존하며, 이는 만성 통증-우울-불안(CPDA)이라는 복합적인 공존 질환을 형성한다. 임상적 근거는 통증-우울 우세형, 통증-불안 우세형, 그리고 통증-우울-불안 삼중 공존형과 같이 구별되는 하위 유형이 존재함을 시사하지만, 현재의 임상 평가는 주로 주관적인 증상 보고에 의존하고 있다. 이러한 특정 CPDA 하위 유형을 구별할 수 있는 확립된 객관적 생리 지표가 부족한 실정이다. 심박 변이도(HRV)는 통증 및 정서 장애와 관련된 자율 신경계 조절의 잘 알려진 지표이지만, 이질적인 CPDA 양상을 구별하는 데 있어 HRV의 구체적인 효용성은 여전히 불확실하다. 본 연구는 휴식기 HRV가 신뢰할 수 있는 바이오마커로서 하위 유형 분류 역할을 할 수 있는지, 아니면 단순히 광범위하고 범진단적인 자율신경계 조절 장애 패턴을 반영하는 것인지 조사한다.

연구 방법론
본 탐색적 단면 연구는 중국 서남부의 한 병원에서 모집된 172명의 성인 만성 통증 환자 데이터를 활용하였다.

• 참가자 층화: 전체 코호트 중, 샘플 평균 대비 증상 부담을 기준으로 82명의 환자를 세 가지 상호 배타적인 CPDA 하위 유형으로 분류하였다:
  • 통증-우울 우세형 ($n=8$): 높은 우울, 낮은 불안.
  • 통증-불안 우세형 ($n=11$): 높은 불안, 낮은 우울.
  • 통증-우울-불안 삼중 공존형 ($n=63$): 높은 수준의 우울 및 불안 모두.
  • 참고: 나머지 참가자들은 이 세 가지 하위 유형에 대한 특정 임계값 기준을 충족하지 못하여 분류 모델에서 제외되었다.
• 데이터 수집:
  • 임상 지표: 통증 심각도/영향(Brief Pain Inventory–Short Form), 우울 증상(Hamilton Depression Rating Scale, HAMD-24), 불안 증상(Hamilton Anxiety Rating Scale, HAM-A).
  • 생리 지표: 5분간의 비침습적 손가락 센서를 통해 휴식기 HRV를 기록하였다. 추출된 특징에는 시간 영역 지표(예: SDNN, RMSSD, pNN50, TINN, Triangular Index), 주파수 영역 지표 및 심박수 지표가 포함된다.
• 머신러닝 접근 방식:
  • 각 특정 하위 유형을 나머지 두 유형과 구별하기 위해 세 가지 가중치 적용 이진 "one-vs-rest" 랜덤 포레스트(Random Forest) 분류기를 구축하였다.
  • 클래스 불균형 처리: 소수 클래스의 오분류에 대해 페널티를 부여하기 위해 역빈도 기반의 클래스 가중치를 적용하였다.
  • 검증: 모델은 ROC-AUC, 정확도, 혼동 행렬(confusion matrices), 분류 보고서를 사용하여 층화된 8:2 분할의 홀드아웃 테스트 세트에서 평가되었다.
  • 해석 가능성: 특징 중요도를 순위화하고 HRV 지표의 기여 패턴(비선형 관계를 보여주는 의존성 플롯 포함)을 시각화하기 위해 SHAP(Shapley Additive Explanations) 분석을 채택하였다.

주요 결과
연구 결과, 휴식기 HRV는 CPDA 하위 유형 전반에 걸쳐 불균등하고 일반적으로 제한된 변별적 효용성을 보였다:

• 통증-우울 우세형 모델: AUC 0.483으로 성능이 저조했다. 결정적으로, 이 모델은 테스트 세트의 2개 양성 사례를 모두 음성으로 오분류하여 식별하는 데 실패했다.
• 통증-불안 우세형 모델: 역시 AUC 0.433으로 낮은 변별력을 보였다. 우울 우세형 모델과 마찬가지로, 테스트 세트의 2개 양성 사례를 식별하는 데 실패했다.
• 삼중 공존형 모델: AUC 0.712로 상대적으로 높은 변별력을 보였다. 그러나 이 모델은 양성 분류에 대한 편향을 보였는데, 13개의 양성 사례를 올바르게 식별했으나 4개의 음성 사례를 양성으로 오분류하였다. 저자들은 이 성능이 특정 하위 유형의 시그니처라기보다 전반적인 공존 질환 부담이 높음을 반영하는 것이라고 경고한다.
• 특징 중요도 (SHAP): 주요 HRV 특징은 모델마다 달랐다:
  • 통증-우울: Max HR, Mean HR, pNN50.
  • 통증-불안: TINN, pNN50, HRV Triangular Index.
  • 삼중 공존형: HRV Triangular Index, SDNN, CV.
  • 소수 하위 유형에 대한 SHAP 분포는 좁고 0 근처에 집중되어 있었으며, 이는 특징들이 모델 출력에 미치는 한계적인 한계 기여도를 나타낸다.

의의 및 주장
본 논문은 휴식기 HRV가 특히 통증-우울 우세형과 통증-불안 우세형 사이를 구별하는 데 있어 CPDA 하위 유형의 정밀한 분류를 위한 단독 바이오마커로 사용될 수 없다고 명시적으로 주장한다.

• 주요 결론: HRV가 단일 우세형을 차별화하지 못한다는 점은 HRV가 질환 특이적인 시그니처라기보다는 통증 및 정서 장애에 공통적으로 나타나는 공유된 범진단적 자율신경계 조절 장애를 반영함을 시사한다.
• 미묘한 발견: 삼중 공존형 모델이 더 나은 탐색적 변별력을 보였으나, 저자들은 이를 고유한 생리적 지문이라기보다 심각한 전역적 자율신경계 조절 장애로 특징지어지는 "고부담(high-burden)" 상태를 탐지한 것으로 간주한다.
• 방법론적 기여: 본 연구는 단순한 상관관계를 넘어 실제 분류 성능을 테스트함으로써, SHAP 기반의 엄격한 HRV 한계 평가를 제공한다. 또한 작은 규모의 불균형 샘플을 이용한 하위 유형 발견의 위험성을 강조한다.
• 향후 방향: 저자들은 HRV가 고부담 공존 질환에 대한 보조적 스크리닝 지표로서 가치가 있을 수 있으나, CPDA 계층화를 위해 정보를 제공하기 전에는 다중 모달 지표(임상, 염증, 수면 관련)를 포함한 더 크고 균형 잡힌 코호트에서의 검증이 필요하다고 결론지었다.

저자가 인정한 한계점
연구는 다음과 같은 제약 사항을 강조한다:

1. 하위 유형 정의: 하위 유형이 공식적인 진단 기준이 아닌 샘플 평균 임계값을 사용하여 정의되었으므로 일반화에 한계가 있다.
2. 샘플 크기: 통증-우울($n=8$) 및 통증-불안($n=11$) 그룹의 적은 표본 수는 통계적 검정력과 모델 안정성을 심각하게 제한했다.
3. 검증: 외부 검증의 부재와 단일 train-test 분할에 대한 의존은 보고된 AUC가 탐색적 추정치임을 의미한다.
4. 맥락적 민감도: 단기 휴식기 HRV는 호흡, 자세, 약물 등에 민래하여 분류기로서의 안정성이 낮아질 수 있다.