B형 간염 환자의 간암 발병 예측 모형 연구 = Study on Predictive Model for Hepatocellular Carcinoma Development in Patients with Hepatitis B

다국어 초록 (Multilingual Abstract)

Recent advancements in the field of medicine have undergone a revolutionary transformation, propelled by the proliferation of extensive patient datasets and the advancements in machine learning technology. Notably, research focusing on predicting the onset of specific diseases is prominently advancing, and among these, hepatocellular carcinoma (HCC) stands out as a noteworthy condition due to its high mortality rate relative to cancer incidence, coupled with an increasing risk. One major contributor to the occurrence of HCC is chronic hepatitis B infection, emphasizing the critical importance of early prediction. Previous studies faced challenges in constructing precise prediction models due to the diversity and high dimensionality of patient data. Furthermore, constraints imposed by security and personal information protection issues in claims data have limited the scope of research.
This study aims to overcome these limitations by leveraging data provided by the Health Insurance Review and Assessment Service to construct a machine learning algorithm predicting the occurrence of HCC among patients with chronic hepatitis B complications. The implemented algorithms include Penalized Logistic Regression, Random Forest, Extreme Gradient Boosting, and Support Vector Machine and the prediction results of each algorithm were compared. Moreover, the study utilized only diagnosed diseases from patient medical records as variables, and based on the importance of the variables of each algorithm, sought to identify the key diseases contributing to the prediction of HCC onset.

국문 초록 (Abstract)

최근 의학 분야의 발전은 대량의 환자 데이터와 기계학습 기술의 진보에 힘입어 혁명적인 변화를 겪고 있다. 특히, 특정 질환의 발병을 예측하는 연구가 두드러지게 진행되고 있으며, 그 중에서도 간암은 암 발생률 대비 높은 사망률을 보이면서 그 위험성이 증가하고 있는 주목할 만한 질환 중 하나이다. 간암의 주된 원인 중 하나로는 만성 B형 간염이 큰 비중을 차지하고 있어, 이에 대한 조기 예측이 중요한 의의를 가지고 있다. 이전의 연구들은 환자 데이터의 다양성과 높은 차원성에 대응하기 어려워, 정확한 예측 모형의 구축에 한계가 있다. 특히, 건강보험 청구자료는 자료 구조의 복잡성과 활용성에 한계가 있어 예측 모형에 활용하는 데 있어 어려움이 있다.
본 연구에서는 이러한 한계를 극복하고자 건강보험심사평가원에서 제공하는 데이터를 활용하여 B형 간염 환자들의 합병증으로 발생하는 간암의 발병을 예측하는 기계학습 모형을 구축하였다. 예측에 사용된 모형은 Penalized Logistic Regression, Random Forest, Extreme Gradient Boosting, Support Vector Machine이 있으며 각 모형의 예측 결과를 비교하였다. 또한, 환자들의 진료기록을 토대로 진단받은 질병만을 변수로 활용하였으며 각 모형의 변수 중요도를 바탕으로 간암 발병 예측에 있어 주요 질환이 무엇인지 확인하였다.

목차 (Table of Contents)

• 1. 서론 9
• 2. 데이터 소개 14
• 2.1 건강보험 청구자료 14
• 2.2 데이터 전처리 16
• 2.3 분석 데이터 22
• 3. 방법론 23
• 3.1 K-fold Cross Validation 23
• 3.2 Penalized Logistic Regression 24
• 3.3 Random Forest 28
• 3.4 XGBoost 31
• 3.5 Support Vector Machine 34
• 4. 결과 39
• 4.1 Penalized Logistic Regression 39
• 4.2 Random Forest 44
• 4.3 XGBoost 47
• 4.4 Support Vector Machine 49
• 5. 결론 53
• 참고문헌 56
• 부록 59