딥러닝 기반 성인 남녀의 대사증후군 예측 모델 개발: 국민건강영양조사를 활용하여

Abstract

본 연구는 2010~2018년 제5기, 제6기, 제7기 국민건강영양조사 비검진 데이터를 이용하여, 30세 이상 65세 미만 성인 남녀의 건강행동 군집과 대사증후군과의 관계를 탐색하고, 이를 통해 딥러닝 기반 대사증후군 발생 예측 모델을 개발하고자 시행되었다. 연구자료는 국민건강영양조사 제5기, 제6기, 제7기의 원시자료 미공개 변수를 제외한 검진부문, 건강설문부문, 영양부문 모든 원시자료이다. 분석대상자는 만 30세 이상 65세 미만의 성인 남녀로, 대사증후군 관련 질환으로 약물 치료 중인 사람, 임부와 수유부, 대사증후군 관련 결측자를 제외하여, 최종적으로 총 27,140명(남성 11,644명, 여성 15,496명)의 이다. 분석변수는 전체 2,666개의 변수 중 공통적으로 조사한 항목을 중심으로 진단적 검사항목을 제외한 비검진 변수로 남성 167개, 여성 183개로 구성되었다. 데이터 전처리를 위해 선정된 속성을 표준화하였고, k-평균 군집분석과 딥러닝 분석 시 데이터 손실을 줄이기 위해 결측치를 ‘-1’로 대치하여 진행하였다. 성인 남녀 대사증후군 예측을 위해 딥러닝 알고리즘인 MetS-FFNN을 이용하여 분석하였고, MetS-FFNN모델의 분류성능 평가를 위해 정확도, 정밀도, 재현율, 특이도, F1-score를 확인하였다. 연구 결과, 남성에서 정상 73.9%, 대사증후군 26.1%, 여성에서 정상 86.7%, 대사증후군 13.3% 로 나타났다(p<.001). 남녀 모두에서 연령이 높을수록 대사증후군 비율이 놓았으며, 여성의 경우 대사증후군 비율이 폐경군 10,16명(52.3%)로, 월경군 927명(47.7%)보다 더 많았다(p<.001). 남녀 건강행동 군집분석을 통해 대사증후군과의 관계 분석을 실시한 결과, 남성은 총 5개의 건강행동 군집이 나타났으며, 군집 mC0 모름/무응답 군을 제외하고, 식습관을 제외한 음주, 흡연, 운동, 스트레스 인지, 안전의식, 건강검진 영역의 건강위험 행동들이 동반되어 나타나, 건강행동위험도가 높을수록 대사증후군 비율이 높았다(p<.001). 여성은 월경군과 폐경군으로 나누어 건강행동 군집을 살펴보았을 때, 월경군은 식습관을 제외한 건강위험 행동들이 동반되어 총 6개의 군집이 형성되었고, 건강행동위험도가 높을수록 대사증후군 비율도 높았다(p<.001). 폐경군은 남성, 월경군과 다르게 식습관이 건강위험행동과 동반되어 나타나는 경향을 보여, 식습관을 포함한 모든 예방적 건강행동 영역에서 건강위험 행동이 동반되어 나타나 총 6개의 건강행동 군집이 형성되었다. 그러나 건강행동위험도가 가장 높은 군집 menoC0만이 대사증후군 군집내 비율도 가장 높았고, 다른 군집과 대사증후군과의 비율과의 관계가 일관되지 않았다. 위의 결과를 바탕으로 남성과 여성, 여성은 다시 월경군, 폐경군으로 나누어 MetS-FFNN 알고리즘을 이용하여 대사증후군 예측하였다. 그 결과 전체 건강요인을 이용한 남성 Model A의 예측 정확도가 83.62%, 월경군 Model A-F1이 93.68%, 폐경군 Model A-F1 87.82%의 예측 정확도를 보였다. 이의 분류성능평가 결과 Model A 특이도80.79%, 재현율 90.52%였고, 정밀도 65.91%, F1-score 0.763이었다. 월경군 Model A-F1의 특이도 95.20%, 재현율 80.00%, 정밀도 64.96%, F1-socre 0.717로 나타났고, 폐경군 Model A-F2의 특이도 93.32%, 재현율 63.64%, 정밀도 68.39%, F1-score 0.659로 나타났다. 또한 예방적 건강행동 요인만을 이용한 대사증후군 예측 결과, 남성 Model B 73.66%, 월경군 Model B-F1 92.74%, 폐경군 Model B-F2 86.24%의 예측 정확도를 보였다. 이의 분류성능평가 결과 남성 Model B 특이도 69.43%, 재현율 88.85%, 정밀도 73.66%, F1-score 0.651, 월경군 Model B-F1 특이도 95.81%, 재현율 63.93%, 정밀도 61.90%, F1-score 0.629, 폐경군 Model B-F2 특이도 95.33%, 재현율 48.47%, 정밀도 71.43%, F1-score 0.576으로 나타났다. 본 연구는 전국 단위 조사인 국민건강영양조사의 비검진 데이터를 활용하여 국내 간호영역에서 처음으로 딥러닝을 이용하여 대사증후군 예측 모델을 개발한 연구이다. 본 연구의 예측 정확도가 혈액지표들이 포함된 다른 머신러닝 연구 예측 정확도보다 높게 나타난 점을 미루어, 의료 기관을 방문하지 않고 비검진 자료로 개인 스스로 대사증후군 위험도를 평가할 때, 충분한 정확도로 대사증후군을 예측할 수 있다는 것을 보여주는 것이다. 이는 학습에 쓰일 독립변수(feature)를 사람의 경험적인 판단 하에 선택하여 투입하는 머신러닝보다, 독립변수의 양과 형태의 유연성이 보장되고 종속변수에의 영향을 광범위하게 파악할 수 있는 딥러닝의 장점을 충분히 활용한 결과일 것이다. 또한 MetS-FFNN알고리즘은 향후 API연동을 통하여 대사증후군 조기 발견 및 예방을 위한 자가 관리 간호중재 애플리케이션 개발을 가능케 할 것이다. 개발된 애플리케이션은 대상자 측면에서 의료시스템을 이용하기 전에 대상자 스스로 대사증후군에 대해 위험 평가를 할 수 있게 함으로써, 대사증후군 예방과 조기 진단을 위한 자가관리 이행도를 높이는 게 되는 계기가 될 것이다. 간호사를 포함한 의료인 측면에서는 의료접근성이 떨어지는 취약지역 대상자나 의료기관 방문을 꺼려하는 대상자 등 지역사회 내의 여러 기관(공공보건기관, 학교, 산업장, 가정간호기관 등)의 대상자에게 이 앱을 제공함으로써, 대상자의 건강상태를 비대면 상태로 체크하여 그에 따른 적극적 상담과 의료지원을 위한 효과적인 의사소통을 위한 다양한 간호중재의 교두보가 될 수 있을 것이다. 더 나아가 대사증후군으로 발생할 수 있는 합병증인 심혈관질환이나 당뇨병성 질환 등의 2차성 질환의 이환을 막아 국민건강 증진에 이바지할 수 있을 것이다.