유방암 환자의 심장병 위험 예측: 장기 전자 건강 기록 데이터를 활용한 딥러닝 접근법

유방암 환자의 심장병 위험을 정확하게 예측하는 것은 임상 의사 결정 지원과 환자 안전을 위해 매우 중요합니다. 본 연구에서는 실제 전자 건강 기록 (EHR) 데이터를 사용하여 여섯 가지 심장 질환에 대한 예측 모델을 개발하고 평가하였습니다. 우리는 장기 단기 기억 (LSTM) 모델에서 결측값을 처리하기 위해 학습 가능한 감소 메커니즘을 통합하였으며, 장기 EHR 데이터를 기반으로 심장병 위험을 예측하기 위해 LSTM-D 모델을 생성하였습니다. 또한, NLP 방법을 활용하여 임상 텍스트에서 유방암 표현형을 추출하고 비구조화 및 구조화된 데이터를 통합하여 예측을 향상시켰습니다. 우리의 LSTM-D 모델은 울혈성 심부전, 관상동맥 질환, 심근병증, 심근경색, 일과성 허혈 발작 및 대동맥 역류를 예측하는 데 있어 기준 모델보다 우수한 성능을 보였으며, AUC 점수는 0.7189에서 0.9548까지 분포하였습니다. 모델 성능을 위한 최적의 관찰 기간은 12-24개월로 나타났습니다. 이 연구는 유방암 생존자의 심혈관 위험을 조기에 개입하고 개선된 관리 전략을 통해 개인화된 정밀 치료 전략을 발전시킵니다.