만성 신장 질환 위험 예측을 위한 기계 학습 기법

만성 신장 질환(CKD)은 시간이 지남에 따라 신장 기능이 점진적으로 감소하는 상태입니다. 이는 신장 손상을 유발하고 인체의 전반적인 건강에 영향을 미치는 임상적 실체를 설명합니다. 질병의 부적절한 진단 및 치료는 결국 말기 신장 질환으로 이어질 수 있으며 궁극적으로 환자의 사망에 이를 수 있습니다. 기계 학습(ML) 기법은 질병 예측에서 중요한 역할을 차지하게 되었으며 의학 분야에서 유용한 도구입니다. 본 연구에서는 ML 기법을 활용하여 CKD 발생을 예측하는 효율적인 도구를 구축하는 것을 목표로 합니다. 보다 구체적으로, 먼저 두 클래스의 인스턴스 비균형 분포 문제를 해결하기 위해 클래스 균형을 적용한 후, 특성 순위 매기기 및 분석이 수행되며, 마지막으로 다양한 성과 메트릭을 기반으로 여러 ML 모델이 훈련되고 평가됩니다. 도출된 결과는 회전 숲(RotF)을 강조했으며, 이는 비교 모델에 비해 100%의 곡선 아래 면적(AUC)과 99.2%의 정밀도, 재현율, F-측정, 정확도를 기록했습니다.