한국 성인 당뇨병 병형에 따른 최적 약물 제안 모델 개발

Abstract

당뇨는 고혈당을 증상으로 하는 대사 질환군으로, 현대 사회의 대표적인 만성 질환으로 꼽힌다. 당뇨병은 크게 제1형 당뇨병과 제2형 당뇨병으로 구분되는데, 제2형 당뇨병이 이질적인 환자군의 집합이라는 사실은 잘 알려져 있다. 따라서 제2형 당뇨병의 정교한 분류와 환자 맞춤형 치료법이 필요한 상황이다. 본 연구에서는 2004년부터 2020년까지 서울대병원 CDM에 수집된 데이터를 활용하여 제2형 당뇨병 코호트(n=55,602)를 구축하고, 진단, 임상 및 약물 정보를 수집하여 데이터 기반 당뇨 환자 재분류 및 약물 최적화를 시도했다. 환자 정보 기반 추정사구체여과율 예측 장단기 기억 순환 신경망 모델(R2=0.8842)을 학습시켰고, 장단기 기억 임베딩 벡터에서 K-평균 군집화를 수행하여 7개의 제2형 당뇨 환자군을 분류했다. 분류된 환자군은 추정사구체여과율 기저 수치 및 당뇨 진행에 따른 추이가 구분되었으며, 단백뇨 및 심뇌혈관 발생에 있어서 유의한 차이를 보였다. 개인별 약물을 최적화했을 때 모델은 기존 연구 결과에 부합하는 약물을 선택하였으며, 만성 신장병의 비가역적인 특징을 잘 재현했다.

Diabetes is a group of metabolic disorders characterized by high blood sugar as its symptom, considered as a representative chronic disease of modern society. Diabetes is broadly classified into two groups, type 1 and type 2 diabetes. Type 2 diabetes accounts for 90% of all diabetic patients and is highly heterogeneous. In this study, I developed a data-driven optimization model for treatment in Korean diabetic patients (n=55,602) using Seoul National University Hospital CDM data, collected from 2004 to 2020. The model used a long-short term memory recurrent neural network and was trained to predict eGFR in type 2 diabetic patient data(R2=0.8842). I identified 7 subgroups in type 2 diabetes, which were distinct in baseline eGFR, a longitudinal transition of eGFR, and renal and development of complications. The optimization model selected reasonable treatment and reproduced the irreversible nature of chronic kidney disease.