심리사회적 프로필, 피로 및 수면 질에 대한 예측 모델

섬유근육통(FM)은 만성 근골격계 통증을 특징으로 하는 질환으로, 그 병태생리는 여전히 명확하지 않습니다. 또한 이 장애는 수면 장애, 현저한 피로감, 아침 강직, 낮은 삶의 질, 인지적 변화(주로 기억 관련 문제), 그리고 우울증, 불안, 스트레스를 포함한 심리적 장애와 자주 연관됩니다.

FM은 여성에서 유의미하게 더 흔하며, 여성 대 남성 비율이 약 3:1로 추정됩니다. 성인 인구에서의 유병률은 약 2-3%로 추정되며, 나이가 들수록 증가하여 45세에서 65세 사이에 정점에 이릅니다. 이 질환의 사회경제적 및 의료적 부담은 상당합니다. FM은 높은 의료 상담률, 실업률, 직업 장애, 그리고 장애 관련 재정 지원 필요성과 연관되어 있기 때문입니다.

FM은 더 높은 수준의 부정적 정서(슬픔, 두려움, 분노, 죄책감과 같은 혐오적 감정을 포함하는 일반적인 고통 상태로 정의됨)와 연관되어 있습니다. FM 환자는 일반적으로 불안, 우울증, 통증 파국화, 스트레스 수준이 높아, 인지 장애를 포함한 증상 악화와 연관됩니다.

최근 몇 년간, 기계 학습, 데이터 마이닝 및 인공 지능(AI) 기술은 복잡한 건강 상태 식별을 위한 컴퓨터 보조 진단(CAD) 시스템 개발에 성공적으로 적용되어 건강 관련 데이터에서 잠재적으로 의미 있는 패턴을 인식함으로써 높은 정확도와 효율성을 달성해 왔습니다. 따라서, 이러한 기술은 다변량 데이터 분석을 위한 강력한 도구를 제공하여 모델 기반 예측을 가능하게 하고 광범위한 질병에 걸친 위험 평가에서 명확한 이점을 제공합니다. 또한, 이러한 접근법은 임상 예측 모델 개발을 지원할 뿐만 아니라 임상의가 실무에서 그 결과를 해석하고 적용하는 능력을 향상시킵니다.

설명 가능한 기계 학습 모델은 임상 전문가가 데이터 기반 결정을 내리고 높은 수준의 치료를 유지하면서 맞춤형 치료를 제공할 수 있게 합니다. 이러한 모델은 설명 가능한 인공 지능(XAI) 분야에 속하며, 이는 높은 예측 정확도를 유지하면서 모델 출력의 투명성, 이해도 및 신뢰성을 향상시키는 해석 가능한 모델을 개발하는 것을 목표로 합니다.

저희 연구 그룹의 이전 출판물은 기계 학습 모델을 사용하여 정신 건강 요인(특히 불안과 우울증)과 섬유근육통 중증도 사이의 강한 연관성을 입증했으며, 이는 통증 강도 자체보다 더 큰 영향을 미쳤습니다. 피로 및 수면 질 장애와 같은 섬유근육통의 다른 흔한 증상들도 환자들에 의해 삶의 질 저하의 주요 원인으로 간주되며, 종종 통증보다 더 큰 영향을 미치는 것으로 인식됩니다.

따라서, 본 연구는 기계 학습 및 설명 가능한 인공 지능 기술을 사용하여 피로와 수면 질을 분석에 새로운 변수로 포함하여 섬유근육통 중증도의 예측 모델을 개발하는 것을 목표로 합니다.

이러한 심리사회적 구성 요소들의 개별적 및 결합적 관련성을 환자의 임상 상태 결정에서 이해하는 것은 질환 관리 개선 및 더 개인화된 치료 전략에 기여하여 궁극적으로 치료의 질을 향상시킬 수 있습니다.