← 홈으로

T2D 리스크 스크리너

한국 국민건강보험(NHIS) 데이터를 기반으로 구축한 보정된 당뇨 스크리닝 도구입니다. 환자 스스로 인지하기 전에 공복혈당(FPG) 검사가 필요한 대상자를 사전에 플래그합니다.

한눈에 보기

문제 / 배경

2형 당뇨병(T2D) 환자 중 약 30~40%는 진단을 받지 못한 상태로 지내고 있습니다. 한국 국민건강보험공단(NHIS)은 매년 약 100만 명의 성인 가입자를 대상으로 건강검진을 실시하며, 활력징후, 체성분, 선택적 검사 패널 등을 수집합니다. 그러나 이 데이터는 임상의가 단일 이상 수치를 발견하지 않는 한 당뇨 의뢰로 이어지지 않는 경우가 대부분입니다. 건강검진에서 수집된 전체 신호 — 허리-키 비율(waist-to-height ratio), 혈압 추이, 간 효소 수치, 지질 비율, 신장 지표 — 를 활용하여 미진단 T2D 가능성이 높은 환자를 선별하고, 공복혈당(FPG) 또는 HbA1c 확인 검사를 권고하는 것이 이 프로젝트의 목표입니다. 한국 NHIS 데이터를 사용함으로써 특징(feature), 참조 범위, 집단 특성이 IQVIA Korea, 병원 데이터 분석팀, 공중보건 선별 프로그램이 실제로 다루는 환자군을 반영합니다.

접근 방식

2024년 NHIS 건강검진 공개 CSV 파일(약 91 MB, 약 100만 행)을 수집하여 원시 검진 항목에서 40개의 특징을 엔지니어링했습니다. 파생 체성분 지수(BMI, 허리-키 비율, 체중 보정 허리 지수), 혈역학 복합 지수(맥압, 평균 동맥압), 간 기능 비율(AST/ALT), 우편향 검사 수치의 로그 변환(GGT, 중성지방, 간 효소), 전체 지질 패널 비율 등이 포함됩니다. 선택적 검사 항목별로 이진 결측 플래그를 추가하여 값뿐만 아니라 결측 여부에서도 학습할 수 있도록 했습니다.

데이터셋은 클래스 불균형 상태입니다(양성 약 7.9%, 약 12:1 비율). 층화 60/20/20 분할을 적용하고, 리샘플링 대신 CatBoost 내부에서 역 클래스 빈도 가중치를 사용하여 보정 목표값의 정직성을 유지했습니다.

동일한 홀드아웃 테스트 분할에서 6개 후보 모델을 평가했습니다 — CatBoost, PyTorch Tabular Net, sklearn MLP, 로지스틱 회귀, SVM(RBF), 의사결정 트리. CatBoost와 Tabular Net은 ROC-AUC에서 사실상 동점(0.817 vs. 0.816)이었지만, CatBoost를 선택한 이유는 예측당 정확한 SHAP 값을 네이티브로 빠르게 계산할 수 있기 때문입니다. 임상 스크리닝 도구에서는 모든 양성 스크린 결과에 어떤 입력이 영향을 미쳤는지에 대한 투명한 설명이 필요합니다. 딥러닝 모델에서 동등한 SHAP를 계산하려면 느린 대리 모델(KernelSHAP)이 필요합니다. 또한 CatBoost는 CPU에서 무시할 수준의 비용으로 실행되어, 배포 시 GPU 의존성이 없습니다.

CatBoost 원시 시그모이드 출력은 순위는 잘 매겼지만 7.9%의 기저율 대비 낮은 확률에서 과신(overconfident)하는 경향이 있었습니다. 검증셋 로짓에 Platt 스케일링(1-파라미터 로지스틱 회귀 적합)을 적용하여 경험적 양성률에 맞게 확률을 보정했습니다. 운영 임계값(0.066)은 민감도 85% 이상을 달성하는 최솟값으로 검증셋에서 튜닝되었으며, 이는 비대칭 임상 비용을 반영합니다: 스크리닝을 놓치면 환자가 FPG 검사를 받을 기회를 잃게 됩니다.

서빙 레이어는 커밋된 모델 번들(약 1.6 MB: catboost_model.cbm, calibrator.pkl, metadata.json, global_shap.json)을 기반으로 하는 FastAPI 앱입니다. Vanilla JS 싱글 페이지 프론트엔드가 검진 입력값을 수집하고 API를 호출하여 보정된 확률, 위험 등급, 예측별 SHAP 워터폴 차트(Plotly), 임상 권고사항을 렌더링합니다.

결과

홀드아웃 20% 테스트 슬라이스(n ≈ 200k)에서 평가한 결과:

지표값
ROC-AUC0.816
PR-AUC (Average Precision)0.273
Brier 점수0.064
운영 임계값0.066 (민감도 ≥ 85%)
동일 테스트 분할에서 6개 후보 모델의 ROC 비교
동일 테스트 분할에서 6개 후보 모델의 ROC 비교. CatBoost와 PyTorch Tabular Net은 사실상 동점입니다.
5,000행 테스트 샘플에서의 글로벌 평균-|SHAP| 특징 중요도
글로벌 평균-|SHAP| 특징 중요도. 허리-키 비율, 나이, 지질 비율이 지배적이며, 간 효소 로그 변환 값도 유의미하게 기여합니다.
운영 임계값에서의 혼동 행렬
0.066 운영 임계값에서의 혼동 행렬. 높은 민감도가 스크리닝 맥락에서의 명시적 설계 목표입니다.
보정 전후 신뢰도 다이어그램 비교
Platt 스케일링 전후 신뢰도 다이어그램. 원시 출력은 낮은 확률 구간에서 대각선 위에 집중되며, 보정 후에는 경험적 비율을 추적합니다.
샘플 예측이 표시된 스크리너 프론트엔드
배포된 프론트엔드: 브라우저에서 렌더링된 보정된 확률, 위험 등급, SHAP 워터폴 차트, 임상 권고사항.

주요 결정 사항 / 학습 내용

데이터 누출 방지. FPG는 레이블을 정의하는 데 사용된 값입니다 (has_diabetes = FPG ≥ 126 mg/dL). 이를 특징 세트에서 제외하는 것은 필수적이었습니다 — 포함할 경우 모델은 레이블을 단순 재임계화하는 것에 불과하며, 진정한 스크리너가 될 수 없습니다. 간접적 대사 지표만으로 강력한 신호를 구축하는 것이 실질적인 엔지니어링 과제였습니다.

모델 선택은 제품 결정입니다. 동점 PyTorch Tabular Net 대신 CatBoost를 선택한 것은 리더보드 성능 때문이 아닙니다 — AUC 차이는 0.001에 불과했습니다. 제품이 요구하는 것 — GPU 없이 빠르고 정확한 예측별 설명 — 때문이었습니다. 임상 맥락에서 설명 없는 블랙박스 점수는 사실상 사용할 수 없습니다.

보정은 제품 관점의 사고입니다. 환자 순위는 잘 매기지만(좋은 AUC) 실제 기저율이 7.9%일 때 0.4를 출력하는 모델은 임상의가 수치를 확인하는 순간 신뢰를 잃게 됩니다. Platt 스케일링은 작은 추가 작업 — 홀드아웃 로짓에 로지스틱 회귀 한 번 — 이지만, 도구가 표시하는 확률이 단순한 순위가 아니라 실제로 신뢰할 수 있는 확률임을 보장합니다.

한계점

이 프로젝트의 범위와 한계에 대해 솔직하게 명시합니다.

기술 스택

링크

← 홈으로