수술 중 급성 신장 손상 예측을 위한 다중 모드 평가 프레임워크
A Leakage-Aware Multimodal Evaluation Framework for Early Intraoperative Acute Kidney Injury Prediction
arXiv수술 중 발생하는 급성 신장 손상(AKI)을 조기에 예측하기 위해, 생체 파형 데이터와 구조화된 임상 정보를 결합한 새로운 평가 프레임워크가 개발되었습니다.
- 단순히 파형만 사용하는 것보다 혈역학적 부담 정보 및 사전 진료 기록 등 다중 모달리티 데이터를 통합하고 앙상블 기법을 적용했을 때 가장 높은 예측 성능을 보였습니다.
- 이는 수술 초기에 AKI 위험도를 정확하게 파악하여 의료진이 선제적으로 개입할 근거를 마련함으로써 환자의 예후 개선에 중요한 도움을 줄 수 있습니다.
- 다만, 예측은 수술 초기에 확보 가능한 정보만을 사용해야 하며, 실제 임상 적용 시에는 데이터 누수 방지(leakage-aware)와 같은 엄격한 검증이 필수적입니다.
본 연구는 대수술 후 발생하는 급성 신장 손상(AKI)의 조기 위험도 판별이 어렵다는 문제에 주목하여, SynerT라는 웨이브폼 전용 하이브리드 시간 백본을 제안했습니다. 이 모델은 인과적 확장 TCN과 계층화된 순환 레이어를 결합하여 초기 수술 중 생리학적 궤적을 인코딩함으로써 AKI 위험 예측에 활용됩니다.
연구진은 SynerT를 기반으로 두 가지 변형 모델인 SynerT-MM과 SynerTStack을 설계했습니다. SynerT-MM은 혈역학적 부담 요약 및 수술 전 공변량 같은 구조화된 임상 맥락 정보를 통합하는 후기 융합 다중 모드 확장입니다. 또한, 데이터 누수 방지(leakage-aware)를 위해 교차 검증 예측을 결합한 스택형 앙상블 모델인 SynerTStack도 개발되었습니다. 모든 모델은 VitalDB라는 고정밀 수술 전후 데이터베이스에서, 수술 시작 후 첫 60분 이내 정보만을 사용하여 엄격하게 평가되었습니다.
평가 결과, 웨이브폼만 사용하는 SynerT는 구조화된 기준선보다 성능이 낮아 시간적 단독 모델링의 한계를 보여주었습니다. 그러나 혈역학적 부담 요약 및 수술 전 공변량을 통합한 SynerT-MM은 판별력을 회복했으며, 궁극적으로 SynerTStack이 AUROC, AUPRC, F1-max 등 모든 지표에서 가장 우수한 성능을 달성했습니다. 또한, 재보정된 스택 모델은 낮은~중간 임계값 전반에 걸쳐 가장 강력한 순수 임상적 이점을 제공하는 것으로 확인되었습니다.