CBC 데이터에서 조기 진단을 위한 RTC-랜덤포레스트 모형에 대한 연구

Abstract

본 연구에서는 패혈증을 조기 진단하기 위해 2014년부터 2018년까지 연세대학교 세브란스 병원에 방문한 환자들의 일반 액 검사 (Complete Boold cell Count, CBC) 자료를 이용하였다. CBC 자료에는 환자마다 34개의 혈액 성분 검사 수치 결과가 있고 결측값이 포함되어 있다. 각 성분의 결측값은 환자별 성분의 수치 결과의 평균으로 대체하였다. 패혈증 조기 진단 예측 모형으로는 RTC (Real Time Contrast) 방법에 3가지 분류기 랜덤포레스트(Random Forest; RF), SVM (Support Vector Machine), LDA (Linear Discriminanats Analysis) 를 적용하여 3가지 모형의 성능을 비교하였다.

본 연구에서는 분류기에 랜덤포레스트를 이용한 방법인 RTC-RF 방법이 오분류율, 민감도, 특이도 측면에서 RTC-SVM, RTC-LDA 방법보다 우수한 성능을 보였다. RTC-RF 방법 결과 패혈증 조기 진단 시점은 실제 패혈증으로 진단받은 시점 3일전 시점을 패혈증 조기 진단 시점으로 예측하였다.