Mortality Risk Factors in Myocardial Injury after Noncardiac Surgery

Abstract

전 세계적으로 입원 비심장 수술을 받은 성인의 1.5%가 이후 30일 동안 사망하며, 수술 후 사망 원인은 주로 심장 합병증이다. 비심장 수술 후 심근 손상 (Myocardial injury after noncardiac surgery; MINS)은 Serum에서 측정한 Cardiac Troponin 수치를 기준으로 진단할 수 있으며 수술 후 사망률 증가와 관련이 있다. 이전의 연구들은 MINS 환자들의 임상적 요인들(e.g. High Level of C-reactive Protein, Statin, Antiplatelet, DOAC, HTN Drugs 등)을 독립적으로 평가했지만, 그 중 어떤 변수가 더 큰 영향을 미치는지에 대해서는 평가가 없었기에 이번 연구를 계획했다. MINS 환자들의 임상 데이터는 삼성서울병원 임상 데이터베이스 DARWIN-C에서 추출되었다. 본 시스템은 본원 외에서 사망한 경우 통계청 국가인구등록부를 통해 확인 및 자동으로 갱신했다. 사망률 예측에 있어 최적의 모델을 조사하기 위해, 널리 사용되는 기계 학습 알고리즘들을 훈련시켰다. 각 모델은 정확도, 정밀도, 재현율, F1 점수 및 AUROC(수신기 작동 특성 아래의 영역) 및 AUPRC (정밀도-재현율 곡선 아래 영역) 곡선에 따라 평가되었다. 그리고 별도로 준비된 데이터 세트를 통해 모델이 외부 데이터셋에서도 성능을 유지하는 모델을 최종적으로 선택했다. 본 연구에서는 MINS 환자와 관련된 모든 변수를 가지고 사망 예측 모델을 개발하고, 그 모델의 성능에 각 요인들이 미치는 영향을 SHAP value를 통해 분석함으로써 임상적 요인들의 역할을 탐구했다. XGB는 성능 지표(AUROC 0.925, AUPRC 0.750, F1 점수 0.642 및 균형 정확도 0.759)에서 높은 값을 보여 다른 모델을 능가함을 확인하였다. 성능 검증을 위해 준비된 외부 데이터 세트에 대해서도 상당한 성능을 유지함으로써 MINS 환자의 사망률에 대한 각 임상 요인이 미치는 영향을 분석하기 위해 최종적으로 선택되었다. 높은 수준의 CRP, 항혈소판제제, 피크 심장 트로포닌, 인슐린, 칼슘채널 차단제, 수술 시간, 스타틴 등의 요인이 30일 사망률에 상대적으로 큰 영향을 미치는 것으로 나타났다. 결론적으로 우리는 기계 학습 방법을 사용하여 MINS 환자의 30일 사망률을 성공적으로 예측할 수 있음을 확인했다. 또한 우리가 사용한 모델이 사망을 예측하기 위해 어떤 요인들을 더 중요하게 사용했는지 확인함으로써 환자의 사망률을 낮추기 위해 보다 주의 깊게 관찰해야 하는 임상적 변수들을 추려낼 수 있었다.