배경: 당뇨망막병증(DR)은 전 세계적으로 예방 가능한 실명의 주요 원인이다. 기계학습(ML) 시스템은 지역사회 기반 선별검사에서 DR을 향상시킬 수 있다. 그러나 사용성과 성능을 위한 예측력 모델은 아직도 결정되고 있는 단계이다. 목적: 본 연구는 대한민국의 3개 대학병원에서 수집된 자료를 사용하여, 제2형 당뇨병(T2DM)을 가진 성인에게 보편적으로 적용 가능한 DR 발생에 대한 ML 기반 위험 예측의 단순하고 정확한 평가를 수행하고자 하였다. 방법: DR은 2개의 독립적인 전자의무기록을 사용하여 예측하였다. 즉, 발견 코호트(한 병원, n=14,694)와 검증 코호트(2개 병원, n=1,856)이다. 일차 평가변수는 3년 시점에서의 DR 존재 여부였다. 다양한 ML 기반 모형은 발견 코호트에서 초매개변수 튜닝을 통해 선택하였고, 두 코호트에서 수신자조작특성(ROC) 곡선 아래 면적을 분석하였다. 결과: 포함 대상 선별검사를 받은 14,694명의 환자 중 348명(2.37%)이 DR로 진단되었다. DR에 대해 극단적 기울기 부스팅(XGBoost) 시스템은 원 데이터셋에서 정확도 75.13%(95% CI 74.10-76.17), 민감도 71.00%(95% CI 66.83-75.17), 특이도 75.23%(95% CI 74.16-76.31)를 보였다. 검증 데이터셋에서는 XGBoost의 정확도 65.14%, 민감도 64.96%, 특이도 65.15%였다. XGBoost 모형에서 가장 흔한 특징은 이상지질혈증이며, 그다음으로 암, 고혈압, 만성신장질환, 신경병증, 심혈관질환 순이었다. 결론: 본 접근은 T2DM 환자에서 적시에 중재를 가능하게 함으로써 환자 예후를 향상시키고, 기여 요인에 대한 이해를 높이며, DR 관련 합병증을 감소시킬 잠재력이 있음을 보여준다. 제안된 예측 모형은 특히 대한민국의 1차 진료 환경에서 경쟁력 있으면서도 비용 효율적일 것으로 기대된다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.