남성의 체성분 지표 기반 이상지질혈증을 식별하기 위한 기계학습 접근법 (A Machine Learning Approach to Identify of Dyslipidemia based on Body Composition Indices in Men)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 22권 / 6호 / 153 ~ 162페이지
· 저자명 : 임미홍, 이상훈

초록

이상지질혈증은 비만, 대사증후군 및 심혈관 질환 등의 발생 가능성을 높인다. 따라서 이상지질혈증의 식별을 용이하게 하는 도구의 개발은 예방과 조기 발견을 위해 중요하다. 본 연구에서는 체성분 지표를 기반으로 이상지질혈증을 식별하기 위한 모델을 개발하고 그 성능을 비교하였다. 남성 820명을 대상으로 기계학습 방법을 사용하여 6개의 모델을 생성한 후 AUROC 및 F1 점수 등의 모델 성능 평가 지표를 사용하여 모델의 성능을 평가하였다. 분석 결과, 익스트림 그래디언트 부스팅 방법을 사용한 모델이 높은 성능을 나타냈고 연령, 몸통 위상각, 체지방률, 골격근률이 이상지질형증 식별에 중요한 변수로 선택되었다. 이 결과는 이상지질혈증을 비침습적으로 식별하는 체성분 지표의 잠재력을 입증하였다. 기계학습 알고리즘을 통한 질환의 식별은 임상의가 통찰력을 얻고 의사 결정을 하는데 도움이 될 것이다.

영어초록

Dyslipidemia raises the risk of developing obesity, metabolic syndrome, and cardiovascular disease. Therefore, in order to prevent and detect dyslipidemia early, it is important to develop a model that can identify dyslipidemia. In this study, we developed the models to identify dyslipidemia based on body composition indices in men, and compared the performances of the models. Six models were developed using machine learning approach for 820 men, and assessed using evaluation methods such as areas under the receiver operating characteristic curve(AUROC), F1 score. The model using extreme gradient boosting reported the highest AUROC value (AUROC = 0.825 [95% CI, 0.742-0.893]), and age, phase angle of trunk, percent of body fat, and ratio of skeletal muscle mass to weight were selected as relatively important variables. Thees results demonstrated the potential of body composition indices to identify dyslipidemia noninvasively. Moreover, identifing dyslipidemia based on body composition indices could provide clinicians with valuable insights and help them make well-informed decisions.

참고자료

· 없음