[ML] MIMIC-II 데이터 기반 패혈증 환자 분류

👩🏻‍💻 데이터 소개

MIMIC-II 데이터 베이스란?

• 2001년~2008년 사이에 중환자실(ICU)에서 수집된 환자 생체 신호 데이터
• 환자차트데이터(chartevents) 파일에는 환자에 대한 모든 차트형 데이터를 포함
  • 위 데이터에 있는 Primary Key를 기준으로 다른 데이터 베이스에 접근 할 수 있음
• 생체 신호 데이터에는 Heart Rate, Respiratory Rate, Blood Pressure, Boby Temperature 등의 정보가 포함되어 있음
• 기존 연구 자료에서도 위 환자 차트 데이터를 중점적으로 사용하며 활력 징후 코드를 추출 했으므로, 분석과 딥러닝 예측에 중요한 데이터로 판단함

👨🏻‍⚕️ 패혈증 분류를 위한 Feature 선정

그림1. 패혈증 진단에 필요한 생체신호 데이터

• 패혈증은 특이적인 진단법이 있지 않음
• 통상적으로 패혈증의 원인이 되는 요소를 feature로 선정

 

🗂 전처리 과정

그림2. MIMIC-II 데이터베이스 관계도

• 🔑 subject_id(Primary Key) 기준으로 모든 데이터 베이스가 연결되어 있음

 

그림3. SUBJECT_ID 기준으로 조인할 수 있는 데이터 테이블

 

 

그림4. 필요한 데이터만 추출한 CHARTEVENTS

 

• chartevents 데이터 베이스에서 패혈증 환자 분류에 필요한 feature만 추출함
  • itemid를 기준으로 찾고자 하는 value 값을 얻을 수 있음
  • itemid에서 하나의 증상을 다양한 코드가 존재
  • 동일한 질병의 N개의 itemid가 있으면 데이터 수가 가장 많은 코드를 사용(대부분 한 코드에 데이터가 몰려있음)
  • 때문에 환자의 질병차트를 시간순으로 정렬하기 위해 데이터 수가 많은 1개의 코드를 사용함.

 

 

그림5. ICD9 테이블에 DESCRIPTION을 기반으로 패혈증 유무 클래스 생성

• DESCRIPTION은 전문의가 환자를 진단한 데이터
• 의학용어로 분류되는 패혈증 ‘SEPTICEMIA’ 단어 포함여부로 클래스 생성

icd9$Class=ifelse(str_detect(icd9$description,'SEPTICEMIA')==TRUE, 1, 0) 

 

 

 

그림6. 입원시간을 기준으로 환자 정보를 정렬한 테이블

• 입원 시간을 기준으로 정렬하기 위해 ICD9와 ADMISSION 테이블을 두 개의 키를 기준으로 조인

data_1 = merge(icd9, admissions, by=c('subject_id', 'hadm_id'))
data_2 = data_1 %>% select('subject_id', 'hadm_id', 'code', 'Class', 'admit_dt')  
time_1 = data_2 %>% select('subject_id', 'admit_dt')

 

 

 

 

그림7. 최종 데이터베이스

• 최종 데이터베이스를 환자별 진료 순서대로 정렬
• 패혈증 진단에 필요한 최종 생체신호 데이터 베이스를 만듦
• 각 feature를 정상 수치 범위로 만들기 위해 이상치 제거

 

📌 모델 구축

그림8.  최종 데이터베이스에서 성별을 기준으로 2개 테이블로 분리

 

ML

그림9. 머신러닝 모델(NN, DT) 정확도 비교

• Train과 Test set을 7:3 비율로 나누고 NN 모델과 DT 모델을 적용
  • 남성 ➡️ accuracy 0.7284365
  • 여성 ➡️ accuracy 0.7553052
  • 따라서 환자별 진료 순서대로 정렬된 생체 신호 데이터베이스를 학습하고, 패혈증을 확진 받은 Class로 분류한 결과 두 테이블 모두 70% 이상으로 괜찮은 성능을 보여주었음.

result_F$Class <- as.factor(result_F$Class)
result_F$hospital_expire_flg <- as.factor(result_F$hospital_expire_flg)

set.seed(1234)
model_F <- result_F[1:nrow(result_F), ]

trainData_F <- model_F[1:(nrow(model_F)*0.7),]
testData_F <- model_F[((nrow(model_F)*0.7)+1):nrow(model_F),]
nrow(trainData_F)
nrow(testData_F)
table(trainData_F$Class)

# NN model 
nn.restult_F <- nnet(Class~., data=trainData_F, size=2, rang=0.1, decay=5e-4,maxit=200)

# Decision Tree
dt.restult_F <- rpart(Class~., data=trainData_F)

DL

그림10-1. 딥러닝 DNN 모델 정확도

그림10-2. 딥러닝 DNN 모델 정확도

• ML 모델과 동일하게 Train과 Test set을 7:3 비율로 나누고, DNN 딥러닝 모델 적용
  • 여성epochs = 100, batch_size = 5 ➡️ accuracy 0.7335
  • 여성 epochs = 200, batch_size = 3 ➡️ accuracy 0.7327
  • 남성 epochs = 200, batch_size = 3 ➡️ accuracy 0.6944

model %>% fit(  
            dnn_train_x, 
            dnn_train_y,   
            epochs = 100,   
            batch_size = 5,  
            validation_split = 0.2)

model %>% fit(  
            dnn_train_x, 
            dnn_train_y,   
            epochs = 200,   
            batch_size = 3,  
            validation_split = 0.2)

 

🔍 결론

ML 모델

• 남성 ➡️ accuracy 0.7284365
• 여성 ➡️ accuracy 0.7553052

DL 모델

• 여성 epochs = 100, batch_size = 5 ➡️ accuracy 0.7335
• 여성 epochs = 200, batch_size = 3 ➡️ accuracy 0.7327
• 남성 epochs = 200, batch_size = 5 ➡️ accuracy 0.6944
• ML 모델의 성능이 DL 모델 성능보다 높음
• DNN 모델 특성상 feature의 개수가 많을 수록 hidden layer의 층이 깊어져 정확도가 높아지는 특성을 고려해 추후 feature 개수를 다양하게 추출한다면 정확도 상승이 높아질거라 예상됨.

 

CODE

https://www.notion.so/dayeong1021/code-976f47c41c42431bad95f7ddffd82646