THIN 데이터베이스를 활용한 의료 연속패턴 탐색과 임상 적용 가능성

초록

본 연구는 영국 일반의료 데이터베이스 THIN에 순차 패턴 마이닝(SPADE) 기법을 적용해 환자의 연령·성별·의료 이력 간 연관 규칙을 추출하였다. 97,883개의 규칙 중에서 재발 질환, 성별 차이, 연령별 발병 위험, 그리고 건강 교육 등 개입 효과를 정량화한 사례를 제시한다. 결과는 조기 경고 시스템 구축과 맞춤형 예방 전략 수립에 활용될 수 있음을 시사한다.

상세 분석

본 논문은 전자 의료 기록(EHR) 데이터베이스인 THIN(The Health Improvement Network)을 대상으로 순차 패턴 마이닝을 수행함으로써, 환자 개개인의 연령·성별·과거 진단·처방 기록이 향후 질환 발생에 미치는 영향을 정량적으로 규명하고자 했다. 데이터 전처리 단계에서 동일 날짜에 발생한 의료 이벤트를 하나의 ‘바스켓’으로 묶고, 각 환자의 바스켓을 시간 순으로 정렬함으로써 전통적인 소매점 거래 데이터와 동일한 형태의 트랜잭션 데이터베이스를 구축하였다. 이때 첫 번째 바스켓에는 환자의 출생 연도와 성별을 삽입해 연령·성별 정보를 자연스럽게 시퀀스에 포함시켰다.

알고리즘 선택에 있어 저자들은 SP ADE(Sequential Pattern Discovery using Equivalence Classes)를 채택하였다. SP ADE는 수직 투영과 위치 코드를 활용해 최소 지원도(min‑support) 없이도 희귀 아이템을 포함한 고신뢰도(confidence ≥ 0.1) 규칙을 효율적으로 탐색할 수 있다. 이는 의료 데이터에서 흔히 나타나는 저발생 질환이나 드문 조합을 놓치지 않게 하는 장점이 있다.

연구 결과 97,883개의 연속 규칙이 도출되었으며, 이 중 주요 인사이트는 다음과 같다. 첫째, 동일 질환의 반복 발생을 나타내는 규칙(A, A → A 등)의 신뢰도가 점차 상승함을 확인했다. 예를 들어 ‘우울장애(Depressive disorder NEC)’는 1회 진단 후 재발 확률이 34.3%였으나, 2회 진단 후에는 52.7%로 증가한다는 점은 재발 위험이 누적됨을 시사한다. 둘째, 성별을 포함한 규칙에서 여성 환자가 특정 질환(예: 고혈압)의 재발 가능성이 남성보다 높다는 차이를 정량화하였다. ‘Essential hypertension, female → Essential hypertension’의 신뢰도가 ‘Essential hypertension → Essential hypertension’보다 높게 나타난 것이 그 예이다. 셋째, 연령(yob) 정보를 활용한 규칙을 통해 연령대별 발병 비율을 추정했다. 1943년생(66세)과 1944년생(67세)에서 ‘Essential hypertension’ 발생 비율이 각각 11.7%와 11.0%로, 1년 차이만으로도 유의미한 차이가 있음을 보여준다. 넷째, 의료 개입(예: 건강 교육)과 질환 재발 사이의 관계를 규명함으로써 예방적 조치의 효과를 정량적으로 평가할 수 있었다. ‘Health education offered, Essential hypertension → Essential hypertension’의 신뢰도가 기본 규칙보다 낮아, 교육이 재발 위험을 감소시킬 가능성을 제시한다.

한편, 저자들은 데이터의 불완전성—특히 환자 기록이 출생부터 사망까지 연속되지 않고, 일부 연령대(예: 1942년 이전 출생) 데이터가 누락된 점—을 한계로 지적한다. 이러한 부분은 지원도와 신뢰도 계산에 편향을 초래할 수 있으며, 향후 연구에서는 출생부터 사망까지 전체 기록을 보유한 코호트를 대상으로 분석하거나, 시간 간격을 고려한 가중치를 도입하는 방안을 제시한다.

전반적으로 본 연구는 대규모 일차 진료 데이터베이스에 순차 패턴 마이닝을 적용함으로써, 임상 현장에서 활용 가능한 위험 예측 규칙을 도출하고, 성별·연령·개입 효과까지 포괄적으로 분석한 점에서 의학 정보학 분야에 중요한 기여를 한다.