폐렴 관련 ARDS 예측을 위한 웹 기반 응용 프로그램의 개발 및 외부 검증

Summary

본 연구는 폐렴 관련 ARDS의 조기 진단과 임상 표현형 분석을 위한 기계 학습 모델을 통합하여 정밀 치료를 촉진하는 웹 기반 시스템을 개발하고 외부 검증하는 것을 목표로 합니다.

Abstract

급성 호흡곤란 증후군(ARDS)은 임상적 증상이 중증 폐렴과 겹칠 수 있는 매우 이질적인 질환으로, 정확한 분별에 어려움을 줍니다. 따라서 ARDS 환자의 조기 예측과 신속한 아형 집집화가 시급히 필요합니다. 본 연구는 폐렴 관련 ARDS의 발병 및 표현형을 예측하기 위한 검증된 초기 진단 모델과 임상 하위 그룹 분류를 포함하는 웹 기반 시스템을 개발하는 것을 목표로 합니다. 진단 및 하위 그룹 모델은 두 개의 대형 데이터베이스인 Medical Information Mart for Concentration Care IV(MIMIC-IV)와 원격 의료 중환자실(eICU)에서 개발 및 검증되었으며, 웹 기반 예측 시스템에 통합되었습니다. 2008년부터 2019년까지 24시간 이상 입원한 폐렴 환자들의 데이터를 분석하였습니다. MIMIC-IV 유도 코호트에는 폐렴 환자 24,987명(폐렴 관련 ARDS 환자 14,121명)이 포함되었으며; eICU 검증 코호트에는 폐렴 환자 20,676명(폐렴 관련 ARDS 환자 9,946명)이 포함되었습니다. 진단 과정에서 머신러닝의 스태킹 방법은 MIMIC-IV 유도 코호트에서 AUC 0.919, 정확도 70.00%, 정확도 69.88%, 회상 82.27%로 가장 우수한 성능을 보였습니다. eICU 검증 코호트의 AUC, 정확성, 정밀도, 회상율은 각각 0.915, 70.87%, 69.70%, 69.70%였습니다. 폐렴 관련 ARDS는 서로 다른 임상 특성과 결과를 가진 세 가지 임상 표현형으로 분류되었으며, 이들 모두 치료에 대해 다르게 반응하였습니다. 0번과 1번 클러스터 환자들 사이에서는 조기 코르티코스테로이드 치료를 받은 환자들의 병원 내 사망률이 그렇지 않은 사람들보다 높았으며, 클러스터 2 환자들 사이에서는 코르티코스테로이드를 투여받은 환자의 병원 내 사망률이 그렇지 않은 사람들보다 낮았다. 폐렴 관련 ARDS의 진단, 예측 및 임상 하위 그룹 분류를 웹 변환으로 수행하였습니다. 폐렴 관련 ARDS의 초기 임상 진단 및 임상 하위 분류를 위한 웹 기반 모델은 임상의들이 질병 진단 및 치료, 그리고 개별화된 정밀 치료를 촉진하는 데 도움을 줄 수 있습니다.

Introduction

급성 호흡부전, 특히 폐 감염 후 급성 호흡곤란 증후군(ARDS)은 중증 환자에서 흔히 겪는 치명적인 문제입니다. 연구에 따르면 중환자실(^ICU) 환자 사이에서 ARDS 발생률이 최대 10%에 달하며, 사망률은 약 40%에 달합니다^2,3. 중증 폐렴은 ARDS⁴의 주요 원인으로 널리 간주됩니다. 중증 폐렴과 ARDS의 임상 증상이 유사하기 때문에 ARDS와 중증 폐렴을 구분하기 어려운 경우가 많습니다. 따라서 폐렴 환자에서 ARDS 발병을 조기에 예측하면 ARDS 발생률과 사망률을 줄일 수 있습니다⁵. 또한 ARDS는 매우 이질적인 질병이기 때문에^, 조기 및 정확한 하위 분류는 정밀 의학을 가능하게 합니다. 이러한 분류^{는 전 세계} 호흡기 중증 질환 연구의 주요 방향 중 하나이기도 하며, 목표는 표적 하위 그룹 개입의 효과를 향상시키는 것입니다.

현재 ARDS의 독립적인....

Protocol

본 연구는 보호 인간 연구 참여자 검사(기록 번호: 44151052)를 완료한 후 중환자실 I(MIMIC-IV) 데이터베이스¹¹(버전 1.0, PhysioNet: https://physionet.org/content/mimiciv/1.0/)과 원격 의료 중환자실(eICU) 데이터베이스¹²(버전 2.0, PhysioNet: https://physionet.org/content/eicu-crd/2.0/)에 접속하였습니다. 이 연구는 헬싱키 선언(2013)의 원칙에 따라 수행되었으며, 환자들은 두 데이터베이스에 자신의 데이터가 수집되는 데 동의를 제공했습니다. eICU 및 MIMIC-IV 데이터베이스의 데이터가 완전히 익명화되어 (개인 식별자 보존 없음) 윤리적 승인은 포기되었습니다.

재료와 도구
데이터 출처: MIMIC-IV 데이터베이스: 버전 1.0, 단일 센터 오픈 액세스 등록부, 76,540건의 ICU 입원 기록(2008-2019), PhysioNet을 통해 접근 가능. eICU 데이터베이스: 버전 2.0, 2014년부터 2015년까지 미국 208개 병원 335....

Results

참가자
MIMIC-IV 데이터베이스에는 폐렴 환자 24,987명의 데이터가 포함되었으며, 이 중 14,121명이 폐렴 관련 ARDS를 앓고 있었습니다(표 1). eICU 데이터베이스에는 폐렴 환자 20,676명이 포함되었으며, 이 중 9,946명이 폐렴 관련 ARDS를 앓고 있었습니다(보충표 1).

폐렴 관련 ARDS 예측 모델의 확립 및 검증
우리는 MIMIC-IV 코호트의 데이터를 사용하여 폐렴 관련 ARDS 진단 모델을 구축하였습니다. 이 모델은 eICU 코호트 데이터를 통해 외부에서 검증되었습니다. MIMIC-IV 코호트 환자들은 무작위로 훈련 코호트(n = 22,488명 [90%])와 테스트 코호트(n = 2499명 [10%])로 나뉘었습니다. 우리는 상관관계에 의한 가중치(wei.......

Discussion

알다시피, 이 모델은 폐렴 환자에서 ARDS를 기계학습을 활용한 최초의 진단 모델 및 임상 하위 그룹 분류 모델이며, 폐렴 관련 ARDS의 진단 및 임상 하위 분류를 보고한 최대 규모의 연구입니다. 이 연구에서 우리는 두 가지 머신러닝 기반 모델을 도출하고 검증하여 임상 실무와 이후 연구를 위한 웹 기반 애플리케이션으로 전환했습니다. eICU 검증 코호트에서 폐렴 환자 중 폐렴 관련 ARDS가 발생할 예측은 AUC가 0.915, 정확도 70.87%, 정확도 69.70%, 기억 69.70%를 기록했습니다. 또한 폐렴 관련 ARDS 환자에 대해 간단하고 신속한 임상 예측 변수를 사용하여 임상 하위 그룹 군집화를 수행했습니다. 세 가지 표현형은 초기 저용량에서 중용량 코르티코스테로이드 치료에 대해 다르게 반응했습니다.

이 연구에서 기계 학습에 사용된 스태킹 방법은 본질적으로 k-fold 교차 검증 모델이었습니.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
아파치 톰캣	Apache 소프트웨어 재단	버전 9.0.85
이클립스 IDE	일식	2023-09
Java Development Kit	자바	버전 Java SE 8u381
래피드마이너 스튜디오	알타이어 엔지니어링 주식회사	버전 9.10.001
SPSS 통계	IBM	버전 23.0