당뇨병 발궤양 발생 위험 예측 모델

당뇨병(DM)의 발궤양은 감염, 절단 및 사망률 증가로 이어질 수 있는 흔하고 심각한 합병증입니다. 예방 조치를 조기에 시행하기 위해 고위험 환자를 조기에 식별하는 것이 중요합니다. DM 환자 수는 전 세계적으로 증가하고 있으며, 2021년 5억 4천만 명에서 2045년까지 약 7억 8천만 명으로 추정됩니다. 발궤양은 개인에게 상당한 고통을 초래하며 의료 시스템에 상당한 비용을 수반합니다.

발궤양 발생 위험을 평가하기 위해 정기적이고 구조화된 발 검사 및 위험 분류를 권장하는 국가 지침에도 불구하고, 현재 위험 모델은 위험 요인과 결혼 상태, 교육 수준 및 거주지와 같은 사회경제적 요인 간의 복잡한 상호작용을 고려하지 않습니다.

데이터 기반 발전과 인공 지능(AI)은 위험 식별을 개선할 새로운 기회를 제공하지만, 당뇨병성 발궤양 위험 예측에 대한 사용은 여전히 제한적입니다. 발 검사의 필요성은 상당합니다. 스웨덴에는 약 60만 명의 DM 환자가 있으며, 그중 절반은 발의 신경 손상으로 인해 위험이 증가한 상태로 살고 있습니다. 이는 위험 수준에 따라 스웨덴에서 약 30만 명의 환자가 의료적 발 관리, 맞춤형 신발 및 발궤양 환자를 위한 전문 치료 접근을 포함한 예방적 개입이 필요할 수 있음을 의미합니다. 발궤양 고위험 당뇨병 환자를 위한 사람 중심 통합 치료 경로에서 개선된 예방 노력이 강조됩니다. 그러나 현재 발궤양 위험의 정확한 식별이 부족합니다.

예방은 개인의 삶의 질 향상뿐만 아니라 의료 비용 감소로도 이어집니다. Ragnarsson Tennvall의 추정에 따르면 치유가 어려운 궤양은 연간 약 10만 스웨덴 크로나의 비용이 들고, 절단은 약 30만~50만 스웨덴 크로나의 비용이 듭니다. 당뇨병 환자 중 발궤양 유병률이 5%인 경우, 궤양 치료의 연간 비용은 30억 스웨덴 크로나에 이릅니다. 또한 품질 등록 SwedAmp의 데이터에 따르면 절단에 약 7억 5천만 스웨덴 크로나의 비용이 추가됩니다.

이 연구의 목적은 발궤양 발생 위험이 있는 DM 환자를 식별하기 위한 예측 모델(통계적 및 AI 기반)을 개발, 테스트 및 검증하는 것입니다. 모델은 베스트라 예탈란드 지역(VGR)의 1차 진료에서 얻은 후향적 전자 건강 기록 데이터와 결혼 상태, 교육 수준, 직업 및 거주지와 같은 인구통계학적 요인에 관한 통계청(SCB)의 데이터를 기반으로 합니다.

방법 이 연구에는 두 가지 방법론적 접근 방식이 있습니다: AI 기반 모델링과 통계적 모델링.

AI 기반 접근 방식 기계 학습 모델은 당뇨병성 발궤양 발생 위험이 있는 환자를 예측하기 위해 개발될 것입니다. 모델은 변수가 반복적으로 제외되는 대규모 데이터 세트에서 교차 검증을 사용하여 훈련될 것입니다. 컨포멀 예측은 환자 수준 예측의 불확실성을 정량화하는 데 사용될 것입니다. 결과 모델은 가장 강력한 예측 변수를 식별하기 위해 분석되며 기존 통계적 모델링 및 문헌 결과와 비교될 것입니다.

AI 모델링 단계:

데이터 추출: VGR의 1차 진료 전자 건강 기록 데이터에 SCB의 사회인구통계학적 데이터를 보완.

데이터 처리: 진단 코드(ICD-10), 의료 개입(KVÅ 코드), 방문 유형, 방문 빈도, ECG 매개변수 및 자유 텍스트 데이터를 포함한 변수를 사용하여 예측 변수 구성.

모델 개발: 예측 모델이 개발되고 교차 검증을 사용하여 훈련될 것입니다. 불확실성 측정은 컨포멀 예측을 사용하여 생성될 것입니다.

검증: 별도의 코호트를 사용하여 모델 성능(민감도, 특이도, 양성 예측값[PPV])을 테스트.

해석: 모델은 환자 대표자, 임상의 및 연구자와 협력하여 투명성과 임상적 해석 가능성에 대해 검토될 것입니다.

통계적 및 AI 기반 모델의 결과는 각각의 장단점에 대해 비교될 것입니다.

통계적 모델링 두 집단이 분석될 것입니다: 발궤양이 없는 당뇨병 환자와 발궤양이 있는 당뇨병 환자. 위험 요인과 발궤양 간의 공변 및 인과 관계가 식별될 것입니다. 궤양 발생으로 이어지는 인과 경로를 설명하는 모델이 개발되고 그 확실성과 불확실성이 분석될 것입니다.