배경: 본 연구는 중환자실(ICU) 환자의 예후에 대해 미량원소, 비타민, 콜레스테롤, 프리알부민이 집합적으로 미치는 영향을, 사망 예측을 위한 고도 인공지능(AI) 모델을 이용해 이해하고자 하였다. 방법: ICU 환자 데이터(2016년 12월~2021년 12월)에서 미량원소, 비타민, 콜레스테롤, 프리알부민의 혈청 농도 정보를 포함하여 AI 모델로 후향적으로 분석하였다. 사용한 모델은 범주 부스팅(CatBoost), 극단 경사 부스팅(XGBoost), 라이트 그래디언트 부스팅 머신(LGBM), 다층 퍼셉트론(MLP)이다. 성능 평가는 수신자 조작 특성 곡선 아래 면적(AUROC), 정확도, 정밀도, 재현율, F1-score를 사용하였다. 성능 평가는 10-fold 교차검증으로 평가하였다. SHapley Additive exPlanations(SHAP) 방법을 통해 해석 가능성을 제공하였다. 결과: CatBoost가 AUROC 0.756으로 단일 AI 모델 중 최우수 성능을 보였고, 이어서 LGBM, MLP, XGBoost가 근접하게 뒤를 이었다. 또한 이 네 모델을 결합한 앙상블 모델은 AUROC 0.776으로 가장 높은 성능을 보였으며, 보다 균형 잡힌 지표를 나타내 모든 모델을 능가하였다. SHAP 분석에서는 프리알부민, Acute Physiology and Chronic Health Evaluation II 점수, 그리고 연령이 예측에 유의한 영향을 미치는 것으로 나타났다. 특히 셀레늄/연령 비율과 저밀도지단백/총콜레스테롤 비율 또한 모델의 출력에 주목할 만한 영향을 주었다. 결론: 본 연구는 영양 관련 지표가 ICU 환자의 예후에 있어 핵심적인 역할을 한다는 점을 강조한다. 특히 앙상블 접근을 활용한 고도 AI 모델은 예측 정확도를 향상시켰다. SHAP 분석은 환자 생존에 영향을 미치는 특정 요인에 대한 통찰을 제공하였으며, 중환자 치료 관리에서 이러한 바이오마커를 보다 폭넓게 고려할 필요성을 시사한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.