UNSTRUCTURED 배경: 제2형 당뇨병(Type 2 Diabetes Mellitus, T2DM) 환자에서 응급실(ED) 내원은 입원 및 사망 위험 증가를 포함한 불리한 결과와 연관된다. 처방 정보를 포함한 실제 임상 데이터를 활용하여 ED 내원 가능성을 예측하는 것은 1차 진료에 도움이 될 수 있다. 본 연구는 T2DM 환자의 전자의무기록(EMR)에 기반하여 ED 내원 가능성을 예측하기 위한 기계학습(ML) 방법을 적용하고자 하였다. 방법: 우리는 5개의 독립적인 EHR 기반 코호트의 데이터를 분석하였다. 5개 기관의 자료를 결합한 후 무작위로 훈련 세트(n=176,576)와 평가를 위한 테스트 세트(n=44,144)로 나누었다. 주요 결과는 최초 응급실(ED) 내원의 발생이었다. 다양한 기계학습(ML) 모델을 훈련 세트 내에서 하이퍼파라미터 튜닝을 통해 평가하였고, 테스트 세트에서 수신자 조작 특성(ROC) 곡선 아래 면적(AUROC)을 계산하였다. 결과: 64,436명의 대상자를 선별한 가운데 xxx가 포함 기준을 충족하였으며, 이 중 11,549명(17.92%)은 훈련 세트에서 최소 1회의 ED 내력이 있었다. 한편 220,720명의 대상자를 선별한 가운데 49,770명(22.55%)이 포함 기준을 충족하였고, 49,770명(22.55%)은 테스트 세트에서 최소 1회의 ED 내력이 있었다. CatBoost 모델이 우수한 성능을 보였으며, 훈련 세트에서 평균 AUROC 78%(95% CI, 94.4-94.9), 테스트 세트에서 AUROC 87%(95% CI, 94.4-94.9)를 달성하였다. 상위 20개의 강력한 예측 변수 중 이완기 혈압(DBP)이 가장 중요한 변수로 확인되었다. 결론: 본 연구에서는 T2DM 환자에서 ED 내원 위험을 평가하기 위한 예측 모델을 개발하였다. 해당 모델은 다른 병원의 데이터를 사용하여 검증되었으며, 응급 진료 필요 위험이 높은 환자를 식별하는 데 임상 현장에서 적용 가능함을 보여주었다.