파킨슨병(Parkinson's Disease, PD)은 만성 질환으로, 치료를 위한 초기 약물 선택에 대해서는 광범위한 연구가 이루어졌으나 장기 약물 관리에 대해서는 제한된 지침만 제공되고 있다. 본 연구의 목적은 환자 군집(patient clusters)에 기반하여 최적의 약물 조정 전략을 규명하는 데 있으며, 불리한 건강 상태에서 보내는 시간을 최소화하거나 유리한 건강 상태에서 보내는 시간을 최대화하는 데 초점을 두되, 부작용은 회피하고자 한다. 치료를 안내하기 위해 우리는 다양한 약물의 처방 용량을 표준화 단위로 환산하여 의사결정 모델을 개발하였다. Parkinson's Progression Markers Initiative의 데이터를 사용하여 증상 진행의 역동성을 포착하기 위한 다변량 시계열 군집화(multivariate time-series clustering) 접근법을 적용하였다. 그 결과 네 가지의 서로 다른 군집이 확인되었는데, 그중 두 개는 바람직한 상태 및 바람직하지 않은 상태를, 나머지 두 개는 여러 영역에서 운동(motor) 중심의 실패와 비운동(non-motor) 중심의 실패를 각각 나타내었다. 우리는 이러한 두 가지 목표를 동시에 다루기 위해 서로 다른 두 개의 마르코프 의사결정과정(Markov Decision Process, MDP) 모델을 개발하였고, 이를 통합하여 각 환자 상태에 대해 최적의 행동을 제시하는 한편 위험한 행동은 경고하는 포괄적 프레임워크를 구축하였다. 본 모델은 특정 약물 종류를 처방하기보다는 약물 강도를 조정하는 데 있어 유연한 지침을 제공함으로써 임상 의사결정에 유용한 통찰을 제공하며, 임상 현장에서의 적용 가능성을 높인다.

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