Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.687-689
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

Performance of a Model to Predict Complication Occurance after Radical Gastrectomy according to Thresholds

임계값 설정을 통한 근치적 위절제술 후 합병증 발생 예측 모델의 성능 평가

  • Su-Yeon Lim (Dept. of Nursing, Chonnam National University Hwasun Hospital) ;
  • Ja-Yun Choi (Dept. of Nursing, Chonnam National University)
  • 임수연 (화순전남대학교병원 간호부) ;
  • 최자윤 (전남대학교 간호학과)
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

위암은 전 세계적인 주요 건강문제이며, 근치적 위절제술은 위암의 표준치료이다. 근치적 위절제술 후 치료목표는 합병증 발생을 낮춰 병전 상태로 빠르게 회복하는 데 있다. 따라서, 근치적 위절제술 후 합병증 발생 여부를 선별하여 예측할 수 있는 성능이 좋은 모델을 개발하는 것은 위암환자의 회복에 매우 중요하다. 랜덤포레스트 모델은 여러 개의 결정트리를 활용한 배깅 방식의 대표적인 알고리즘으로 의료 데이터를 기반으로 한 예측에 있어 뛰어난 성능을 보여 주었다. 그러나 실제 데이터는 불균형이 빈번하게 발생하여 모델의 예측 성능에 영향을 미치므로, 최적의 분류 임계값을 설정하여 다수 클래스에 대한 편향을 줄이는 것이 중요하다. 따라서, 본 연구는 최근 10년 간 일개 대학병원의 전자의무기록 데이터를 활용하여 근치적 위절제술 후 합병증 발생을 예측하는 랜덤포레스트 모델을 개발하고, 임계값 설정을 통해 불균형 데이터에 대한 모델의 성능을 평가하고자 한다.

Keywords

Acknowledgement

이 논문은 (1)정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원(No. 2020-0-01373, 인공지능대학원지원(한양대학교))과 (2)한국연구재단의 지원(No.2018R1A5A7059549)을 받아 수행된 연구임. 또한, (3) 정보통신기획평가원의 지원을 받아 수행된 연구임(No.RS-2022-00155586, 실세계의 다양한 다운스트림태스크를 위한 고성능 빅 하이퍼그래프 마이닝 플랫폼 개발(SW 스타랩)

References

  1. Sung, Hyuna, et al. "Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries." CA: a cancer journal for clinicians, 71, 3, 209-249, 2021.
  2. Orditura, Michele, et al. "Treatment of gastriccancer." World journal of gastroenterology: WJG 20, 7, 1635, 2014.
  3. Panda, Sangram K., et al. "Evolution of treatment in gastric cancer-a systematic review." Journal of the Egyptian National Cancer Institute 34, 1, 12,
  4. Papenfuss, Wesley A., et al. "Morbidity and mortality associated with gastrectomy for gastric cancer." Annals of surgical oncology 21, 3008-3014, 2014.
  5. Wang, Shiqi, et al. "Postoperative complications and prognosis after radical gastrectomy for gastric cancer: a systematic review and meta-analysis of observational studies." World journal of surgical oncology 17, 1-10, 2019.
  6. Selby, Luke V., et al. "Association of hospital costs with complications following total gastrectomy for gastric adenocarcinoma." JAMA surgery 152, 10, 953-958, 2017.
  7. Karanicolas, Paul J., et al. "Quality of life after gastrectomy for adenocarcinoma: a prospective cohort study." Annals of surgery 257, 6, 1039-1046, 2013.
  8. Kanda, Mitsuro. "Preoperative predictors of postoperative complications after gastric cancer resection." Surgery today 50, 1, 3-11, 2020.
  9. 한형진. "의료/헬스케어 분야에서의 설명 가능 인공지능 (Explainable AI) 연구 동향." BRIC View 동향리포트, BRIC View T13, 2021.
  10. Stam, Wessel T., et al. "The prediction of surgical complications using artificial intelligence in patients undergoing major abdominal surgery: a systematic review." Surgery 171, 4, 1014-1021,
  11. Bektas, Mustafa, et al. "Machine learning applications in upper gastrointestinal cancer surgery: a systematic review." Surgical endoscopy 37, 1, 75-89, 2023.
  12. Chandran, Urmila, et al. "Machine learning and real-world data to predict lung cancer risk in routine care." Cancer Epidemiology, Biomarkers & Prevention 32, 3, 337-343, 2023.
  13. Zou, Quan, et al. "Finding the best classification threshold in imbalanced classification." Big Data Research 5, 2-8, 2016.
  14. Leevy, Joffrey L., et al. "Threshold optimization and random undersampling for imbalanced credit card data." Journal of Big Data 10, 1, 58, 2023.
  15. Jung, Mi Ran, et al. "Definition and classification of complications of gastrectomy for gastric cancer based on the accordion severity grading system." World journal of surgery 36, 10, 2400-2411, 2012.
  16. Hassanat, Ahmad B., et al. "Stop oversampling for class imbalance learning:A critical review." arXiv preprint arXiv:2202.03579, 2022.