약물 분자 임베딩을 활용한 만성 B형간염 환자의 약물 치료반응 예측 정확도 향상 (Improving Prediction of Chronic Hepatitis B Treatment Response Using Molecular Embedding)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 51권 / 7호 / 627 ~ 633페이지
· 저자명 : 송지현, 김순선, 한지은, 조효정, 정재연, 홍참길

초록

만성 B형간염 환자는 적절한 시기에 치료를 받지 못하는 경우 간경변증이나 간암과 같은 합병증으로 진행될 위험이 높다. 이에 따라 여러 B형간염 항바이러스제가 개발되어 있으며, 항바이러스제의 성분에 따라 환자별 반응상 차이가 나타날 수 있어 긍정적인 치료반응을 기대할 수 있는 올바른 약제 선택이 중요하게 여겨진다. 본 연구에는 환자의 혈액 검사 결과, 약물 처방 여부를 나타내는 전자의무기록과 함께 B형간염 항바이러스제의 성분 정보를 함께 학습하여 만성 B형간염 환자의 1년 후 치료반응 예측 성능을 향상시키는 것을 목표로 한다. 보다 효과적인 항바이러스제의 분자 표현을 위하여 고정된 분자 임베딩 및 그래프 신경망 모델을 활용한 종단형(end-to-end) 구조를 통해 생성된 분자 임베딩을 사용하였으며, 기반 모델과의 비교를 통해 약물 분자 임베딩이 성능 향상에 도움을 줄 수 있음을 확인하였다.

영어초록

Chronic hepatitis B patients with no timely treatment are at a high risk of developing complications such as liver cirrhosis and hepatocellular carcinoma (liver cancer). As a result, various antiviral agents for hepatitis B have been developed, and due to the different components of these antiviral agents, there can be variations in treatment responses among patients. Therefore, selecting the appropriate medication that leads to a favorable treatment response is considered crucial. In this study, in addition to the patient's blood test results and electronic medical records indicating drug prescriptions, information about components of the hepatitis B antiviral agents was incorporated for learning. The aim was to enhance the prediction performance of treatment responses one year after chronic hepatitis B patients' treatment. Molecular embedding of the antiviral agents included both fixed molecular embedding and those generated through an end-to-end structure utilizing a graph neural network model. By comparing with the baseline model, drug molecule embedding was confirmed to contribute to improving performance.

참고자료

· 없음