본 연구는 인구집단 데이터를 이용한 기계학습 분석을 통해 조산(PTB)과 턱관절장애(TMD), 위장관 질환 간의 연관성을 규명하고자 하였다. 인구기반 후향적 코호트의 자료원은 2017년에 분만한 25–40세 초산 여성 489,893명의 Korea National Health Insurance 청구자료였다. 종속변수는 2017년의 조산(PTB)이었으며, 21개의 예측변수를 포함하였다(2002–2016년 기간의 인구통계학적, 사회경제적, 질환 및 약물 정보). 조산(PTB)의 중요한 예측요인을 도출하고, TMD 및 위식도역류질환(GERD)을 포함한 예측변수들과의 연관성을 평가하기 위해 랜덤 포레스트 변수중요도(random forest variable importance)를 산출하였다. 이러한 연관성의 방향을 분석하기 위해 Shapley Additive Explanation(SHAP) 값을 계산하였다. 오버샘플링을 적용한 랜덤 포레스트는 오버샘플링을 적용한 로지스틱 회귀에 비해 수신자판별특성곡선(ROC 곡선) 아래 면적이 훨씬 높았으며, 즉 79.3% 대 53.1%였다. 랜덤 포레스트의 변수중요도 값과 순위에 따르면, PTB는 낮은 사회경제적 지위, GERD, 연령, 불임, 과민성장증후군, 당뇨, TMD, 침샘 질환, 고혈압, 삼환계 항우울제 및 벤조디아제핀과 강한 연관성을 보였다. 최대 SHAP 값 기준으로, 이러한 연관성은 모두 양(+)의 방향이었으며(예: 낮은 사회경제적 지위 0.29, 연령 0.21, GERD 0.27, TMD 0.23), 랜덤 포레스트에 낮은 사회경제적 지위, 연령, GERD 또는 TMD를 포함하면 조산(PTB)의 확률이 각각 0.29, 0.21, 0.27 또는 0.23만큼 증가할 것이다. 설명가능 인공지능(explainable artificial intelligence)의 최신 접근은 조산(PTB)과 턱관절장애, 위장관 질환, 항우울제 약물의 강한 연관성을 부각한다. 여러 위험요인이 동시에 존재하는 상황에서 임신부에 대한 면밀한 감시가 필요하다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.