| 초록 |
□ 연구의 목적 및 내용 의료현장에 적용이 가능한 위암 발생 예측모델 개발 □ 연구개발성과 < 정성적 성과 > ○ 위암 발생 예측모델 개발을 위한 DB구축 ○ 전통적 통계 방법 및 머신러닝 방법을 사용하여 위암 발생 예측모델 개발 - 전통적 통계 방법: 콕스비례분석 - 머신러닝 방법: 로지스틱 회귀분석, 의사결정나무, XGBoost - 5년 이내 및 2년 이내 위암 발생 예측 - 헬리코박터균 감염, 위축성 위염, 장상피 화생, 위선종을 위험요인으로 고려 ○ 개발된 모델간 performace 비교 - 2013-2014 맞춤형 DB missing imputation 후 결과 : 로지스틱 회귀분석(AUC : 0.712), 의사결정나무(AUC : 0.677), XGBoost(AUC : 0.659), Cox’s(AUC : 0.566) - 2018 맞춤형 DB missing imputation 후 결과 : XGboost(AUC : 0.767), 의사결정나무(AUC : 0.693), 로지스틱 회귀분석(AUC : 0.682), Cox’s(AUC : 0.532) ○ 설명가능한 머신러닝 분석 - 2013-2014 맞춤형 DB : SHAP value를 구한 결과 sex, diabetes, age, smoke, adenoma 가 예측에 중요한 영향력을 미침 - 2018 맞춤형 DB : SHAP value를 구한 결과 age, adenoma, sex, stroke smoke가 예측에 중요한 영향력을 미침 □ 연구개발성과의 활용계획(기대효과) ○ 위암 발생 위험도에 따라 인구집단을 계층화하여 고위험군 맞춤형 임상적 조기 중재 및 고위험군의 자기주도적 건강관리를 가능하게 함으로써 효과적으로 위암 예방 - 위암 발생의 위험이 높은 고위험군이 적기에 혹은 조기에 진료 및 검진을 받을 수 있도록 임상의의 판단을 돕는 유용한 도구로 활용 - 위암 발생 위험도를 환자-의사간 의사소통의 근거자료로 활용함으로써 환자 자기 주도적 선제적 건강관리 활성화 ○ 위암 발생 위험도별로 검진 시작 연령 및 주기를 다르게 조정하는 맞춤형 위암 검진을 가능하게 하기 위한 주요한 근거를 제공함으로써 국가암검진사업의 효율성 향상 - 예측된 암 발생 위험도에 따라 검진 시작 연령 및 검진 주기를 달리하여 국가암검진이 제공되도록 검진제도를 개선할 경우, 모든 수검 대상자에게 일률적인 검사방법을 제공하는 현행 국가암검진제도에 비해 검진 비용 절감 효과가 있을 것으로 기대됨 (출처 : 요약문 2p) |
