앞으로 발생할 비용을 전혀 알지 못한 채 병원에 들어간다고 상상해 보세요. 하지만 기계가 놀라운 정확도로 이러한 비용을 예측할 수 있다면 어떨까요? 최근 한 연구에서는 심혈관 질환 환자의 입원 기간과 치료 비용을 예측하는 설명 가능한 AI 기반 머신러닝 모델 개발에 상당한 진전을 이루었습니다.
## 세계적인 보건 문제
심혈관 질환(CVD)은 전 세계적으로 사망 원인 1위이며, 의료 시스템에 막대한 경제적 부담을 안겨줍니다. 입원한 CVD 환자 중 혈관성형술이나 관상동맥우회술(CABG)과 같은 시술은 입원 기간 연장과 치료 비용 증가와 관련이 있습니다. 따라서 임상 및 행정적 의사결정을 지원할 수 있는 강력한 예측 도구의 필요성이 매우 중요합니다.
## 대규모 연구
본 응용 후향적 예측 모델링 연구는 2024년 이란 테헤란의 한 심혈관 전문 병원에서 수행되었습니다. 2022년부터 2023년까지 혈관성형술 또는 CABG 시술을 받은 성인 입원 환자 7,685명을 대상으로 분석했습니다. 본 연구에서는 입원 기간(LOS), 환자 본인 부담금(OOP), 보험금 지급액, 총 치료비 등 네 가지 결과를 예측하기 위해 8개의 회귀 기반 머신러닝 알고리즘을 개발했습니다.
이 연구에서는 모든 예측 작업에서 동종 모델들을 일관되게 능가하는 고성능 모델인 XGBoost를 사용했습니다. 테스트 데이터셋에서 XGBoost는 입원 기간 예측에서 R² 값 0.7802, 환자 본인 부담금 예측에서 0.8473, 보험금 지급액 예측에서 0.8946, 총 치료비 예측에서 0.6437을 달성했습니다. SHAP 분석 결과, 입원 기간, 시술 유형, 연령, 동반 질환이 주요 예측 변수로 나타났습니다.
## 임상 적용 가능한 솔루션
본 연구는 심혈관 질환 치료에서 입원 기간과 치료비를 예측하기 위한 포괄적이고, 설명 가능하며, 임상적으로 적용 가능한 머신러닝 프레임워크를 제시합니다. 본 접근 방식은 고성능 모델과 설명 가능한 AI, 그리고 실제 적용 사례를 통합하여 병원 자원 계획을 개선하고 환자 결과를 최적화하는 확장 가능한 솔루션을 제공합니다.
향후 연구에서는 모델의 일반화 가능성을 높이기 위해 여러 병원 및 의료 시스템에 걸쳐 외부 검증을 수행해야 합니다. 또한, 보다 광범위한 임상 및 사회경제적 변수를 통합하면 예측 성능을 더욱 향상시키고 개발된 의사결정 지원 도구의 적용 범위를 넓힐 수 있습니다.
