Core Concepts
만성 질환 환자의 질병 진행 양상을 반영하는 잠재 상태 모델을 통해 환자를 하위 그룹으로 분류하고, 이를 통해 환자 맞춤형 치료 계획 수립을 지원한다.
Abstract
이 연구는 만성 질환 환자의 데이터 기반 하위 그룹화를 위한 새로운 확률적 모델인 혼합 은닉 마르코프 모델(MHMMX)을 제안한다. 이 모델은 다음과 같은 특징을 가진다:
환자의 위험 요인(정적 정보)과 건강 궤적(동적 정보)을 모두 활용하여 환자를 하위 그룹으로 분류한다.
만성 질환의 다양한 진행 단계("심각", "중등도", "경증")를 반영하는 잠재 상태를 모델링한다.
다변량 증상 간 의존 관계를 고려하기 위해 코퓰라 접근법을 사용한다.
해석 가능한 구조를 가지며, 확률적 모델링을 통해 환자의 하위 그룹 할당 신뢰도를 평가할 수 있다.
이 모델을 847명의 비특이적 요통 환자 데이터에 적용한 결과, 기존 방법들에 비해 우수한 성능을 보였다. 또한 임상 전문가와의 협업을 통해 도출된 하위 그룹들이 임상적으로 의미 있는 것으로 확인되었다. 이를 통해 이 모델이 만성 질환 환자 관리를 위한 새로운 질병 표지자 발견에 기여할 수 있음을 시사한다.
Stats
요통 환자의 통증 수준은 시간에 따라 심각한 수준에서 경증 수준으로 변화한다.
요통 환자의 일상 활동 제한 수준도 시간에 따라 심각한 수준에서 경증 수준으로 변화한다.
Quotes
"만성 질환은 재발성이거나 지속적인 상태이며, 전 세계적으로 장애 생활 연수가 가장 많은 질환이다."
"요통 환자들은 상당한 이질성을 보이지만, 이러한 이질성은 아직 충분히 이해되지 않고 있다."