LUTS/BPH(구연) Oral Session4 / LUTS (Ⅰ) (O-037) Rm.203 10월 30일(수) 14:00-15:00 인공신경망을 이용한 전자의무기록 기반 남성 하부요로증상 원인 예측모델 개발 연구 성균관의대 삼성서울병원 AI연구센터¹,성균관대학교 의과대학 비뇨의학교실²,성균관대학교 의과대학 영상의학교실³ 정지원¹, 조경원¹,공혜선², 허지현², 조백환¹,정명진³, 한덕현², 이규성² 목적 하부요로증상을 호소하는 남성 환자에서 방광출구폐색과 배뇨근저활동성의 유무는 요역동학검사를 통하여 진단하게 되나, 검사의 침습성과 불편함으로 인하여 이를 대체할 수 있는 검사에 대한 요구가 높은 상태이다. 본 연구는 요역동학검사 없이 방광출구폐색과 배뇨근저활동성을 진단하기 위한 진단보조도구의 개발을 위하여 로지스틱회귀와 랜덤포레스트 그리고 인공신경망 방식을 이용한 하부요로질환 유형의 분류 성과를 분석하는데 그 목적이 있다. 방법 2006년 12월부터 2017년 12월까지 본 기관에서 요역동학검사를 시행한 남성 환자의 자료를 이용하였다. 총 4463명의 자료가 이용되었으며, 입력에 사용된 데이터는 나이, PSA 수치, 환자이력, 배뇨증상설문 (IPSS, ICS Male Questionnaire), 경직장초음파 소견, 배뇨일지 등 변수를 활용하였다. 본 연구에서는 로지스틱회귀, 랜덤포레스트, 인공신경망 방식을 이용하여 각각 방광출구폐색과 배뇨근저활동성 여부를 예측하는 플랫폼을 만들었다. 또한, 최적화된 모델을 찾기 위하여 그리드 서치 방식을 적용하여 기존 연구보다 높은 성능을 얻기 위한 과정을 거쳤다. 실험에 사용된 분류기는 텐서플로우를 이용하여 개발되었고, 5-Fold 교차검증을 거쳤으며 ROC커브를 이용하여 분류 성능을 평가하였다. 결과 전체 데이터 중 방광출구폐색에 대한 예측 정확도는 평균 0.817±0.014이다. 모델 별 성능은 로지스틱회귀 0.803, 랜덤포레스트 0.817 인공신경망 0.832으로 인공신경망이 가장 높은 정확도를 보였다. 한편 배뇨근저활동성 예측 정확도는 평균 0.774±0.011를 나타냈고 모델 별 성능은 로지스틱회귀 0.764, 랜덤포레스트 0.771, 인공신경망 0.787으로 인공신경망이 가장 높은 정확도를 나타내었다. 결론 하부요로증상을 호소하는 남성 환자의 자료를 이용하여 인공신경망 등을 적용하여 학습한 결과, 방광출구폐색 및 배뇨근저활동성을 우수한 성능으로 예측 가능하다는 것을 알 수 있었다. 특히, 그리드 서치 방식을 적용한 인공신경망 방식을 이용하였을 때에, 가장 우수한 예측 결과를 보였다. 이를 통해 인공지능이 하부요로증상의 원인을 예측하는데 스크리닝 툴로서 활용될 수 있음을 확인하였다. keywords : lower urinary tract symptoms, artificial neural network, grid-search