관계형 데이터에서 요구 기반 클러스터링을 통한 약물 부작용 예측

초록

본 논문은 전자의무기록(EMR)의 관계형 특성과 잠재적 구조를 고려해, 학습 과정에서 필요에 따라 객체를 클러스터링하는 새로운 방법을 제안한다. 세 가지 실제 의료 데이터셋에 적용해 약물 부작용을 예측했으며, 사전 클러스터링이나 전문가가 만든 계층구조보다 높은 정확도를 달성하였다.

상세 분석

이 연구는 EMR이 환자, 처방, 진단 등 다중 엔터티와 그 관계로 구성된 복합적인 관계형 데이터임을 강조한다. 기존 통계적 관계 학습(SRL) 기법은 이러한 구조를 모델링하는 데 강점을 보이지만, 약물 간 상호작용이나 질병군 간 연관성 같은 잠재적(숨은) 구조를 포착하는 데는 한계가 있다. 저자들은 이러한 잠재 구조를 반영하기 위해 객체(예: 약물, 질병, 환자)를 사전에 클러스터링하는 전통적 접근법 대신, 학습 중에 필요에 따라 동적으로 클러스터를 형성·조정하는 ‘요구 기반 클러스터링(demand‑driven clustering)’을 제안한다.

핵심 아이디어는 학습 알고리즘이 현재 예측에 가장 큰 영향을 미치는 관계를 탐색하면서, 해당 관계에 포함된 객체들을 임시 클러스터에 할당하고, 클러스터 내에서 공유 파라미터를 학습함으로써 데이터 희소성을 완화하고 일반화를 촉진한다는 것이다. 이를 구현하기 위해 저자들은 기존의 확률 논리 학습(ProbLog) 프레임워크에 클러스터링 연산자를 삽입하고, 클러스터 생성·병합·분할을 비용 함수(예측 손실 + 클러스터 복잡도) 기반으로 최적화한다. 클러스터링은 베이지안 정보 기준(BIC)과 유사한 정규화 항을 사용해 과도한 클러스터 생성을 억제한다.

실험은 세 가지 실제 의료 시나리오—(1) 항생제 사용 후 신장 부전, (2) 항혈소판제 복용 후 출혈, (3) 항우울제 복용 후 자살 위험—에 대해 수행되었다. 각 데이터셋은 수천 명의 환자와 수만 건의 처방·진단 기록을 포함한다. 평가 지표는 정확도, 정밀도, 재현율, AUC‑ROC이며, 제안 방법은 (i) 클러스터링 없이 학습, (ii) 사전 K‑means 클러스터링, (iii) 전문가가 정의한 의학적 계층(예: ATC 코드 기반)과 비교했다. 결과는 모든 지표에서 요구 기반 클러스터링이 평균 3~7%p의 성능 향상을 보였으며, 특히 데이터가 희소하고 관계가 복잡한 경우에 두드러졌다.

이 접근법은 클러스터를 사전에 정의하지 않으므로 도메인 전문가의 사전 지식에 의존하지 않으며, 새로운 약물이나 진단 코드가 추가될 때도 자동으로 적응한다는 장점이 있다. 또한, 클러스터링 과정이 학습 루프에 통합돼 파라미터 추정과 동시에 진행되므로, 별도의 전처리 단계가 필요 없어 전체 파이프라인이 간소화된다. 다만, 클러스터링 연산이 학습 시간에 추가적인 오버헤드를 발생시키며, 비용 함수의 하이퍼파라미터(클러스터 복잡도 가중치) 설정이 결과에 민감할 수 있다는 한계도 제시된다.