지식 그래프를 기반으로 한 감소된 난소 예비력에서 침술을 위한 지능형 진단 및 치료 보조 시스템에 관한 연구

요약

문헌, 고전 교재, 임상 데이터를 활용하여 산부인과 전용 침술 지식 그래프와 난소 예비력(DOR)을 위한 의사결정 지원 시스템이 개발되었습니다. 임상 평가는 86.7%의 진단 일치와 높은 처방 점수를 보여주었으며, 통계적으로 유의미하지만 제한적인 전문가 간 합의가 있어 보조 임상 의사결정 지원 도구로서의 역할을 뒷받침하였습니다.

초록

난소 예비력 감소(DOR)는 발생률이 증가하고 있으며, 젊은 여성들에게 영향을 미치고 있습니다. 침술은 DOR에 임상적으로 사용된 바 있습니다; 하지만 실무는 여전히 주관적이고 경험에 의존하며, 표준화된 지침 실행이 부족합니다. 이전의 일반 지능형 침술 시스템을 바탕으로, 본 연구는 부인과 질환을 표적으로 삼고, DOR을 임상 진입점으로 삼아 전문 지식 그래프와 의사결정 지원 시스템을 개발합니다. 이 연구에는 82권의 고전 침술 문헌, 중국과 영어 문헌, 임상 데이터가 포함되었습니다. 지식은 대규모 언어 모델과 수동 주석을 결합한 하이브리드 접근법을 통해 완전한 침술 지식 그래프와 DOR 특유의 산부인과 하위 그래프를 구성하였습니다. 이 시스템은 BiLSTM-CRF 기반 엔터티 인식과 이중 모드 검색을 활용하여 증후군 구분과 침술 처방 생성을 자동화합니다. 전체 그래프에는 16,558개의 개체와 80,084개의 관계가 포함되어 있으며, 산부인과 하위 그래프에는 8,677개의 개체와 27,092개의 관계가 포함되어 있습니다. 90명의 DR 환자를 대상으로 한 임상 평가에서 시스템은 전문가 평가에 비해 86.7%의 진단 일치율을 달성했습니다. 평균 처방 적합성 점수는 4.65였습니다. 켄달 일치 계수를 이용해 측정한 전문가 간 평가자 간 합의는 W ≈ 0.13 (P < 0.05)로, 통계적으로 유의미하지만 제한적인 일치를 나타냈다. 이 결과는 이 시스템이 DOR에서 침술 기반 증후군 분화 및 처방 생성에 구조화된 지원을 제공할 수 있으며, 보조 임상 의사결정 지원 도구로서의 잠재력을 시사합니다.

서론

난소 예비력 감소(DOR)는 난자의 양 및/또는 질이 감소하여 생식력 감소, 생리 불규칙, 호르몬 불균형 등이 나타나는 것이 특징입니다^. 최근 몇 년간 DOR의 발생률이 증가하여 점차 젊은 인구에 영향을 미치고 있습니다. 미국의 역학 자료에 따르면 2004년 19%에서 2011년 26%로 증가^{했으며, 중국}의학협회 보고서에 따르면 보조생식 기술을 받는 불임 환자 중 유병률이 13.58%였다 ^2,3.

서양 의학의 현재 관리 전략에는 통제된 난소 과자극, 보조 약물 치료, 호르몬 대체 요법이 포함됩니다. 그러나 이러한 접근법은 낮은 난자 채취율, 제한된 출산 결과 개선, 높은 치료 중단률, 금기사항 및 잠재적 부작용 등 여러 제한 사항이 있습니다 ^4,5.

침술은 DOR 환자의 난소 기능 개선을 위한 보완적 치료법으로 연구되어 왔습니다. 임상 연구 및 체계적 문헌고찰의 증거는 잠재적 이점을 시사합니다 ^6,7,8. 그럼에도 불구하고 침술 진단과 치료는 여전히 시술자의 경험에 크게 의존하며, 이론 학파마다 다르고, 현대 임상 데이터와의 표준화된 통합이 부족합니다. 이러한 한계는 침술 지침의 광범위한 적용을 제한하고, 전통 중의학에 대한 정식 교육을 받지 않은 임상의들의 학습 장벽을 높입니다.

인공지능(AI)과 지식 그래프(KG) 기술의 최근 발전은 침술과 TCM ^9,10에서 복잡한 의학 지식을 구조화하고 활용하는 새로운 접근법을 가능하게 했습니다. 이전 연구에는 침술 연구 경향에 대한 시각적 분석(¹¹), 그래프 합성곱 네트워크 기반의 경화 추천 모델¹², 침술과 Tuina 13을 위한 즉각적 학습을 포함하는 지식 그래프 프레임워크(¹³), 그리고 한의학 지식 그래프 구성 및 응용에 대한 체계적 문헌고찰(¹⁴)이 포함됩니다. 더 나아가, 지식 그래프와 대형 언어 모델(LLM)의 통합은 TCM-KLLaMA와 같은 처방 생성 시스템과 LLM과 지식 그래프를 결합한 사례 기반 질문 응답 시스템에서 유망한 방향으로 부상하고 있습니다(^15,16). 이 연구들은 구조화된 추론과 의사결정을 지원하는 AI 기반 접근법의 잠재력을 강조합니다. 또한, 복잡한 네트워크 방법론이 침술 이론 체계를 분석하는 데 적용되어 구조화된^{의학 지식 모델}링을 위한 방법론적 지원을 제공했습니다.

우리 그룹은 이전에 Transformer 기반 이중 채널 ACUBERT 모델¹⁸ 과 다중 홉 추론 능력을 갖춘 대규모 침술 지식 기반¹⁹를 포함한 불임에 대한 일반 침술 지식 그래프를 개발한 바 있습니다. 그러나 이 시스템들은 범용 프레임워크로 설계되어 부인과 질환에 대한 질병별 최적화가 부족합니다. 또한, 이들은 DOR 중심 적용 시나리오에서 임상적으로 검증된 적이 없습니다.

이 맥락에서 본 연구는 DOR을 임상 진입점으로 사용하여 산부인과 생식 장애에 초점을 맞춥니다. 기존의 일반 침술 지식 그래프를 기반으로 DOR에 맞춘 도메인별 지식 그래프가 구축되었고, 지능형 임상 의사결정 지원 시스템이 개발되었습니다. 이 시스템은 실제 임상 사례를 활용하여 진단의 일관성과 처방 적합성을 평가하였으며, 침술 기반 임상 의사결정에 구조적이고 재현 가능한 지원을 제공하는 것을 목표로 하였습니다.

프로토콜

이 연구는 기관의 윤리 기준에 따라 수행되었으며, 동부 전선 사령부 종합병원 윤리 위원회(승인 번호)의 승인을 받았습니다. DZQH-KYLLFS-25-38). 포함 전에 모든 참가자로부터 서면 동의를 받았습니다. 모든 환자 데이터는 개인정보 보호를 위해 익명화되고 익명화되었습니다. 이 프로토콜의 연구 도구들은 재료표에 나열되어 있습니다.

1. 지식 그래프 구성

지식 그래프는 다중 출처 데이터 통합 전략을 사용하여 구축되었습니다. 자료 수집과 주석은 전통 중의학(TCM)과 침술에 대한 정식 교육을 받은 훈련된 인력에 의해 수행되었습니다. 데이터 출처에는 고전 침술 문헌, CNKI의 중국어 문헌, Web of Science Core Collection의 영어 문헌, 3차 병원 생식 센터의 임상 데이터, 표준화된 지식 기반이 포함되었습니다(고전 텍스트의 상세 목록은 보충 문서 1에서 확인할 수 있습니다). 이 자료들은 역사적 깊이와 현대적 임상적 관련성을 모두 보장하기 위해 선정되었습니다. 진단 및 치료 패턴 식별을 지원하기 위해 총 400건의 임상 사례가 포함되었습니다. 지식 그래프 구축의 전체 워크플로우는 그림 1에 나와 있습니다.

그림 1: 지식 그래프 구축 워크플로우. 지식 그래프를 구성하는 데 사용되는 데이터 수집, 추출 및 통합 과정에 대한 개요. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

포함 기준은 모든 데이터가 침술 진단 및 치료와 직접적으로 관련되어야 하며, 대상과 관계 추출에 적합한 완전하고 명확한 구조화된 내용을 포함해야 했습니다. 고전 문헌은 비판적으로 정리되어 명백한 오류가 없어야 했던 반면, 현대 문헌은 권위 있는 기관에서 발행한 동료 검토 출판물이나 문서에 한정되었다. 임상 데이터는 식별 해제되고 윤리적으로 승인되어야 했습니다. 제외 기준에는 중복 기록, 불완전한 텍스트 단편, 침술 진단 및 치료와 관련 없는 내용, 근거 없거나 잘못된 진술이 포함되었습니다.

수동 주석과 자동 추출을 결합한 하이브리드 지식 추출 방식을 구현했습니다. 고전 텍스트와 의미적으로 복잡한 내용을 포함한 데이터의 약 30%는 도메인 전문가들이 표준화된 주석 플랫폼을 사용해 수동으로 주석을 달았습니다. 나머지 70%는 대형 언어 모델(LLM)을 사용해 자동 추출을 수행했으며, 여기에는 엔터티 인식, 관계 추출, 용어 정규화 등이 포함됩니다. 모든 자동 생성된 결과는 전문가에 의해 검토 및 수정되어 정확성과 일관성을 보장받았습니다.

자동 추출은 LLM 동작을 안내하기 위해 설계된 구조화된 프롬프트 템플릿을 사용하여 수행되었습니다(템플릿 예시는 보조 파일 2에 제시됨). 이 템플릿들은 모델 역할을 도메인 특화 지식 추출 전문가로 정의하고, 추출 성능을 향상시키기 위해 JSON 트리플릿 형식의 소수 샷 학습 예제를 포함시켰습니다. 사전 처리된 문헌 초록은 애플리케이션 프로그래밍 인터페이스(API)를 통해 제출되었고, 계산 효율성을 높이기 위해 병렬 처리 전략이 도입되었습니다. 추출 출력은 JSON 검증 도구를 사용해 구조적 무결성을 보장하기 위해 파싱 및 검증되었습니다. 검증된 지식 삼중항은 추적성을 유지하기 위해 출처 문서에 따라 이름 붙여진 독립적인 JSON 파일로 직렬화되었습니다.

최종 지식 그래프는 그래프 데이터베이스에 저장되었고, 파이썬 기반 프레임워크를 사용해 구현되었습니다. 시각화는 검사 및 검증을 지원하기 위해 내장된 그래프 데이터베이스 도구를 사용하여 수행되었습니다.

지식 그래프 내 개체들은 일곱 가지 유형으로 분류되었습니다: 질병, 증상, 증후군 패턴, 경혈점, 경락, 치료 방법, 그리고 효과 물질 및 생물학적 기전. 개체 간 관계는 임상 진단 및 치료 논리를 반영하도록 구성되어 다중 홉 추론과 구조화된 추론을 지원하였습니다. 존재론과 관계 구조는 그림 2에 나타난다. 상세한 지식 그래프 스키마와 관계 제약 조건의 예시는 보충 파일 3 과 보충 파일 4에 제공되어 있습니다.

그림 2: 지식 그래프 온톨로지 및 관계 모델. 지식 그래프 내 엔터티 유형과 관계의 도식적 표현. 핵심 실체에는 질병, 증상, 증후군, 경혈점, 치료 방법이 포함되며, 진단 및 치료적 관계를 보여줍니다.
이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

2. 애플리케이션 시스템 개발

이 애플리케이션 시스템은 임상 의사결정 지원을 가능하게 하기 위해 구성된 지식 그래프를 기반으로 개발되었습니다. 이 시스템은 사용자 입력 데이터를 처리하고 자연어 처리와 지식 그래프 추론을 통해 구조화된 분석을 수행합니다.

자연어 이해는 명명된 엔터티 인식과 엔터티 링크에 BiLSTM-CRF 모델을 사용하여 구현되었으며; 모델 아키텍처는 그림 3에 나와 있습니다. 모델 아키텍처는 도메인 특화 말뭉치에서 학습된 임베딩 레이어, 맥락 정보를 포착하는 양방향 장기 단기 기억 계층, 최적의 서열 표시를 보장하는 조건부 무작위 필드 레이어로 구성되었습니다. 모델은 수작업으로 주석이 달린 임상 및 문헌 데이터를 기반으로 학습되었으며, 주석은 도메인 전문가들이 독립적으로 수행했습니다. 주석 간 합의는 Cohen의 카파 계수를 사용하여 평가되었으며, 임계값은 ≥0.85였습니다. 불일치는 전문가 합의를 통해 해결되었습니다.

그림 3: BiLSTM-CRF 모델 아키텍처. 임베딩, BiLSTM, CRF 계층을 포함한 이름 있는 엔터티 인식에 사용되는 BiLSTM-CRF 모델의 개략도입니다.
이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

추론 과정에서 모델은 임상 입력 데이터에서 증상, 질병, 증후군 패턴을 포함한 구조화된 개체들을 추출했습니다. 이 엔터티들은 용어 정규화, 코사인 유사성 기반 벡터 매칭, 맥락 동음이의성 해소를 사용하여 지식 그래프 내 표준화된 노드에 매핑되었습니다.

지식 검색은 키워드와 의미론 기반 접근법을 결합한 이중 모드 전략으로 수행되었습니다. 키워드 검색은 구조화된 개체의 정확한 매칭을 위해 전체 텍스트 색인을 활용했고, 의미적 검색은 관련 비구조화 지식을 식별하기 위해 벡터 표현을 사용했습니다. 검색된 결과는 병합, 중복 제거, 구조화되어 후속 처리를 위해 이루어졌습니다. 다차원 순위 전략을 적용하여 정확한 일치, 의미 유사성, 키워드 관련성을 기준으로 결과를 우선순위 지정하고, 부인과 및 DOR 관련 맥락에 따라 가중치를 조정하였습니다.

시스템은 자연어 생성 기법을 사용하여 진단 및 치료 출력을 생성하여 구조화된 지식을 임상적으로 해석 가능한 응답으로 변환했습니다.

3. 임상 적용 및 평가

개발된 시스템은 임상 환경에서 실제 성능을 평가하기 위해 적용되었습니다. 연구 참가자들은 난징의 3차 병원에서 난소 예비력 저하 진단을 받은 환자들로, 침술 치료를 받는 데 동의했습니다.

참가자는 20세에서 40세 사이이고, 2016년 POSEIDON 기준과 2020년 중국 전문가 합의에 따른 난소 예비력 감소 진단 기준을 충족하면 자격이 있었습니다. 진단 지표로는 항뮐러호르 수치 감소와 5< 구외난포 수 감소가 포함되었습니다. 환자는 생식력에 영향을 미치는 질환, 심각한 동반질환이 있거나 지난 3개월 이내에 침술 치료를 받은 경우 제외되었습니다. 환자 포함 및 제외 흐름도는 그림 4에 나와 있습니다.

그림 4: 환자 포함 및 제외 흐름도. 환자 선택을 보여주는 흐름도. 총 127명의 환자가 포함 기준을 충족했으며, 90명은 제외 기준을 적용하고 불완전한 데이터를 반영하여 포함되었습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

인구통계학 및 임상 정보를 포함한 환자 데이터가 구조화된 형식으로 수집 및 기록되었습니다. 참가자들은 증상 및 임상 정보를 수집하기 위해 표준화된 설문지를 작성했으며(상세 설문지는 보충 파일 5에 제공됨), 시스템은 입력 데이터를 바탕으로 진단 출력과 침술 처방을 생성했습니다.

시스템 성능은 진단 정확도와 치료 적합성을 기준으로 평가되었습니다. 진단 정확도는 기준 기준으로 제공된 세 명의 선임 산부인과 의사가 제공한 시스템별 증후군 분화 결과를 비교하여 평가하였습니다. 진단 일치율은 모든 사례 중 일관된 사례의 비율로 계산되었습니다.

치료 적합성은 임상 경력 5년 이상과 고위 전문 직함을 가진 3명의 수석 침술사 패널에 의해 평가되었습니다. 전문가들은 5점 리커트 척도를 사용해 시스템이 생성한 처방전을 독립적으로 평가했습니다. 평가자 간 합의는 켄달의 일치 계수(W)를 사용하여 평가되었습니다.

결과

구성된 지식 그래프는 고전 전통 중의학 교전, 현대 임상 문헌, 실제 사례 기록에서 이질적인 데이터를 통합하며, 지식 그래프 구성 및 평가의 확립된 원칙을 따릅니다. 총 374개의 중국어 자료, 267개의 영어 논문, 82개의 고전 중의학 문헌이 포함되어 역사적 깊이와 현대적 임상적 관련성을 모두 확보했습니다(그림 5).

그림 5: 지식 출처의 분포. 중국 문헌(54%), 영어 논문(39%), 중의학 서적(7%)을 포...

토론

본 연구는 난소 예비력 감소를 위한 침술 치료를 위해 맞춤화된 지식 그래프 기반 지능형 의사결정 지원 시스템을 설명하며, 이는 일반적인 전통 중의학 지식 모델링에서 질병 특이적 임상 적용으로의 전환을 나타냅니다.

기존 침술 실천이 시술자의 경험에 크게 의존하는 것과 달리, 제안된 시스템은 구조화되고 재현 가능한 진단 프레임워크를 도입합니다. 다중 출처 지식을 통합하고 '증상-증후군-치료' 패러다임을 그래프 기반 표현으로 부호화함으로써, 이 시스템은 임상 유연성을 유지하면서도 한의학 이론에 부합하는 표준화된 추론을 가능하게 합니다. 이 접근법은 구조화된 지식 표현과 데이터 기반 추론의 통합을 강조하는 AI 지원 TCM 진단 모델의 최근 발전과 일치합니다²⁵.

이 연구의 핵심 방법론적 특징은 더 큰 일반 지식 그래프에서 도출된 산부...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
BiLSTM-CRF	오픈 소스 (https://github.com/jmhIcoding/bilstm-crf)	N/A	임상 텍스트 추출에서 이름 엔티티 인식에 사용되는 딥러닝 모델 아키텍처.
CNKI 데이터베이스	중국 국가 지식 인프라	N/A	관련 중국어 학술 간행물을 검색하는 데 사용되는 문헌 저장소.
JSON 뷰어 & 포매터	Megaish	1.6.0	JSON 데이터 구조 보기 및 유효성 검사에 사용되는 소프트웨어 도구.
KGs 주석 플랫폼	난징 KGI 데이터 기술 유한공사	N/A	지식 그래프 구성을 지원하기 위해 의료 엔티티 및 관계 코퍼스의 수동 레이블 지정에 사용되는 웹 기반 협업 주석 플랫폼.
대형 언어 모델 API	Moonshot AI	N/A	생물의학 문헌에서 의미론적 이해 및 자동화된 지식 추출에 사용되는 Kimi LLM API; OpenAI API 형식과 호환되는 인터페이스.
MySQL	Oracle Corporation	8.0.42	구조화된 임상 데이터 저장을 위해 사용되는 관계형 데이터베이스 관리 시스템.
Neo4j 브라우저	Neo4j,Inc.	5.26.10	부인과 지식 그래프의 대화형 시각화 및 탐색적 쿼리에 사용되는 그래프 데이터베이스 인터페이스.
Python	Python 소프트웨어 재단	3.11.4	자동화된 문헌 크롤링, LLM API 호출, 다중 프로세싱 조정, 데이터 구문 분석 및 지식 그래프 구성에 사용되는 주요 프로그래밍 언어.
Web of Science Core 컬렉션	Clarivate Analytics	N/A	관련 영어 학술 간행물을 검색하는 데 사용되는 문헌 저장소.