Core Concepts
FH-TabNet은 유전성 고콜레스테롤혈증 환자를 확진, 의심, 가능, 불가능의 4단계로 정확하게 분류하는 다단계 심층 학습 모델이다.
Abstract
이 논문은 유전성 고콜레스테롤혈증(FH) 환자를 확진, 의심, 가능, 불가능의 4단계로 정확하게 분류하는 FH-TabNet이라는 다단계 심층 학습 모델을 소개한다.
1단계에서는 FH 환자군(확진 + 의심)과 정상군(가능 + 불가능)을 구분한다. 2단계에서는 각 군을 세부적으로 분류한다. 이때 순차적 주의 집중 메커니즘을 활용하여 각 단계에서 적응적으로 특징을 선택한다.
실험 결과, FH-TabNet은 기존 기계학습 모델에 비해 특히 저유병률 아군을 정확하게 예측하는 데 뛰어난 성능을 보였다. 5겹 교차 검증 시 확진 79.20%, 의심 87.20%, 가능 98.60%, 불가능 98.20%의 F1 점수를 달성했다.
Stats
LDL-Code-FH 수치가 높을수록 확진/의심 FH 환자일 가능성이 높다.
심혈관 질환 병력이 있는 경우 가능/불가능 FH일 가능성이 높다.
가족력 중 암 병력이 있는 경우 확진/의심 FH일 가능성이 높다.
Quotes
"FH는 유전적 질환으로 LDL 콜레스테롤 수치가 비정상적으로 높아 심혈관 질환 위험이 증가한다."
"FH 환자의 90% 이상이 진단받지 못하고 있어 조기 진단과 개입이 시급하다."
"기존 진단 방법은 복잡하고 비용이 많이 들어 실제 임상에 적용하기 어려운 문제가 있다."