서론 돌발성 암 통증(BTcP, Breakthrough cancer pain)은 암 통증의 관리에서 마주치는 어려운 임상 문제이다. 본 연구는 입원 환자에서 BTcP 발병을 예측하는 딥러닝 모델의 임상적 관련성을 조사하고자 하였다. 방법 BTcP는 수치 등급 척도(Numerical Rating Scale, NRS) 점수가 ≥ 4인 통증으로 정의하였다. 우리는 서로 다른 입력 길이와 시간 빈(time binning)에 따른 딥러닝 모델의 성능을 매튜 상관계수(Matthews correlation coefficient, MCC)로 평가하였다. 모든 통증 기록은 2016년 7월부터 2020년 2월까지 삼성의료원 혈액종양내과 병동의 전자의무기록에서 수집하였다. 모델은 보유 데이터(holdout) 방법을 사용하여 데이터셋의 20%로 외부 검증을 수행하였다. 결과 가장 흔한 암의 종류는 폐암(n = 745, 21.7%)이었으며, 하루당 BTcP의 중앙값은 1.01이었다. NRS 통증 기록은 이전 일의 NRS 통증 양상과 상관되는 일주기(circadian) 패턴을 보였다. NRS 점수 간 상관은 예측일과의 NRS 패턴의 근접성과 시간 빈의 크기(time binning size)가 커질수록 양의 연관성을 보였다. 장단기 기억(long short-term memory) 기반 모델은 21가지의 서로 다른 설정 중 최선의 성능을 9배, 두 번째로 좋은 성능을 8배 보이는 등 전반적으로 우수한 성능을 나타냈다. 최선의 성능은 120 h 입력과 12 h 빈 길이(bin lengths)에서 달성되었으며(MCC: 0.4927), 결론 본 연구는 딥러닝 모델을 이용한 BTcP 예측의 가능성을 보여주었고, 이에 따라 딥러닝을 활용한 선제적 암 통증 관리는 환자의 일상생활을 개선할 것으로 시사된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.