의료 온톨로지를 활용한 임상 텍스트 다중 라벨 진단 코딩

초록

본 논문은 분산된 의료 온톨로지에서 추출한 임상 정보를 통합하여 다중 라벨 진단 코딩 시스템의 성능을 향상시키는 방법을 제안한다. 대학병원에서 관상동맥질환 환자 데이터를 대상으로 계층적 의사결정트리 기반의 캐스케이드 기법을 적용했으며, 초기 실험 결과는 만족스러운 정확도를 보였다.

상세 분석

이 연구는 임상 텍스트의 비정형성, 용어의 다의성, 그리고 라벨의 복합성을 해결하기 위해 온톨로지 기반 지식 통합을 핵심 전략으로 채택하였다. 먼저, 기존 전자의무기록(EMR)에서 추출된 자유 텍스트를 자연어 처리(NLP) 파이프라인을 통해 토큰화, 형태소 분석, 개체명 인식(NER) 단계로 전처리한다. 여기서 중요한 점은 UMLS, SNOMED CT, ICD‑10 등 여러 표준 의료 온톨로지를 병렬로 활용해 개념 매핑을 수행한다는 것이다. 각 개념은 고유 식별자와 계층적 관계(상위‑하위, 동의어, 부분‑전체)를 보유하고 있어, 텍스트에 등장한 임상 용어를 온톨로지 노드와 연결함으로써 의미적 풍부성을 확보한다.

다음으로, 통합된 개념 벡터는 라벨 공간과의 연관성을 학습하기 위해 다중 라벨 분류 모델에 입력된다. 논문에서는 전통적인 다중 라벨 방법보다 라벨 간 의존성을 더 잘 포착할 수 있는 ‘캐스케이드 계층적 의사결정트리(Cascade Hierarchical Decision Tree, CHDT)’를 설계하였다. CHDT는 최상위 라벨(예: 질병군)부터 시작해 하위 라벨(예: 세부 진단 코드)로 순차적으로 분기한다. 각 단계에서 이전 단계의 예측 결과를 피처로 재사용함으로써 라벨 간 조건부 확률을 모델링한다. 또한, 트리 기반 모델의 장점인 해석 가능성을 유지하면서, 온톨로지에서 제공하는 관계 정보를 트리 분할 기준에 직접 반영한다. 예를 들어, ‘관상동맥질환’이라는 상위 개념이 존재하면 해당 하위 라벨인 ‘협심증’, ‘심근경색’ 등을 선택적으로 탐색하도록 트리를 구성한다.

데이터셋은 특정 대학병원에서 5년간 수집된 관상동맥질환 환자(총 3,200명)의 입원 기록과 진단 코드(ICD‑10)로 구성되었다. 라벨은 평균 4.2개의 다중 코드가 부여된 다중 라벨 형태이며, 라벨 불균형 문제가 심각했다. 이를 완화하기 위해 비용 민감 학습과 라벨 별 가중치를 적용했으며, 온톨로지 기반 특징 확장은 희소 라벨에 대한 재현율을 12%p 상승시켰다.

평가 지표는 마크로 평균 F1, 마이크로 평균 F1, 정확도, 그리고 라벨 순위 손실(Rank Loss) 등을 사용했다. CHDT 모델은 기존의 Binary Relevance와 Classifier Chains 대비 마크로 F1에서 0.78→0.84, 마이크로 F1에서 0.91→0.94로 개선되었으며, 특히 희귀 라벨에서의 재현율이 크게 향상되었다. 실험 결과는 온톨로지 통합이 임상 텍스트의 의미적 정보를 보강하고, 라벨 간 구조적 관계를 학습에 효과적으로 반영함을 입증한다.

하지만 연구에는 몇 가지 한계가 존재한다. 첫째, 온톨로지 매핑 과정에서 발생하는 오류(동음이의어, 약어 해석 오류 등)가 전체 파이프라인에 누적될 위험이 있다. 둘째, 현재 실험은 단일 기관의 CHD 환자에 국한되어 있어, 다른 질병군이나 다기관 데이터에 대한 일반화 가능성을 추가 검증해야 한다. 셋째, 캐스케이드 구조는 라벨 순서에 민감하므로, 최적의 라벨 순서를 자동으로 탐색하는 메커니즘이 필요하다. 향후 연구에서는 딥러닝 기반 임베딩과 온톨로지 그래프 신경망을 결합해 보다 정교한 의미 표현을 시도하고, 실시간 코딩 지원 시스템으로 확장하는 방안을 모색한다.