R-GEAN: 입원 기간 내 투약 변경 예측을 위한 요법 기반 편집 행동 네트워크
R-GEAN: Regimen-Guided Edit Action Network for Within-Admission Medication Change Prediction
환자에게 처방되는 약물은 임상의가 치료를 시작, 중단 또는 지속함에 따라 입원 기간 동안 자주 변경됩니다. 본 연구에서는 입원 후 24시간 시점과 퇴원 시점 사이에 어떤 약물 분류가 추가되거나 제거되는지를 모델이 예측할 수 있는지 살펴봅니다. 완전한 퇴원 투약 요법(regimen)을 비교하는 지표는 모델이 실제 변경 사항을 전혀 식별하지 못하더라도 변경되지 않고 유지되는 약물을 그대로 복사하는 것에 대해 보상(reward)을 줄 수 있습니다. 따라서 우리는 이전에 완료된 입원 기록과 현재 입원 후 첫 24시간 이내에 이용 가능한 정보만을 사용하여 순(net) ATC3 추가 및 제거를 예측하는 정보 누출이 통제된 벤치마크(benchmark)를 도입합니다. 추가 후보는 24시간 시점에 활성화되지 않은 분류이며, 제거 후보는 해당 시점에 활성화된 분류입니다. 또한 독립적인 추가 및 제거 예측기를 갖춘 비대칭 후보 점수화 네트워크인 R-GEAN을 제안합니다. 82,286명의 환자로부터 얻은 240,480건의 입원 데이터 전반에서, R-GEAN은 편집 복합 지표(edit composite, 0.464)로 명명된 사전 정의된 추가, 제거, 변경 요법 및 행동 패턴 성능 요약값에서 최고치를 달성하였으며, 이는 가장 강력한 주요 비교 대상의 0.435와 대비됩니다. 재구현된 RETAIN, GAMENet, MICRON 기준선(baseline)은 각각 0.428, 0.420, 0.288을 기록했습니다. R-GEAN의 강점은 퇴원 시점에 더 이상 활성화되지 않는 약물 분류를 올바르게 식별하는 데 집중되어 있는 반면, 드물게 발생하는 추가 및 여러 약물 변경이 수반되는 입원은 여전히 어려운 과제로 남아 있습니다. 재구성된 퇴원 요법에 대한 micro-F1 기반 순위와 편집 복합 지표 기반 순위는 평가된 모델 전반에서 약한 상관관계(Spearman r = 0.20)를 보였습니다. 지속(continuation) 기준선은 추가나 제거를 전혀 예측하지 않았음에도 가장 높은 완전 요법 점수를 달성했습니다. 이러한 결과는 완전 요법 평가와 편집 수준 평가가 약물 예측의 서로 다른 측면을 측정함을 보여줍니다. 해당 벤치마크는 관찰된 처방 변경을 평가하며, 치료의 적절성을 평가하지는 않습니다.