RETAIN: Reverse Time Attention Mechanism을 사용한 의료 분야 예측 모델

정확성과 해석 가능성은 성공적인 예측 모델의 두 가지 주요 특징입니다. 일반적으로 정확성을 위해 순환 신경망(RNN)과 같은 복잡한 블랙박스 모델을 선택하거나, 해석 가능성이 높지만 정확도가 낮은 로지스틱 회귀와 같은 전통적인 모델을 선택해야 하는 경우가 많습니다. 이는 의학 분야에서 특히 도전적입니다. 왜냐하면 이 분야에서는 정확성과 해석 가능성이 모두 중요하기 때문입니다. 우리는 이러한 도전을 해결하기 위해 전자 의료 기록(EHR) 데이터에 적용할 수 있는 REverse Time AttentIoN(RETAIN) 모델을 개발하였습니다.RETAIN은 높은 정확성을 달성하면서도 임상적으로 해석이 가능하며, 영향력 있는 과거 방문과 해당 방문 내의 중요한 임상 변수(예: 주요 진단)를 감지하는 두 단계의 신경 주의 모델을 기반으로 합니다. RETAIN은 최근의 임상 방문이 더 높은 주의를 받도록 역순 시간 순서로 EHR 데이터를 처리하여 의사의 진료 방식을 모방합니다. RETAIN은 8년 동안 26만 3천 명의 환자가 완료한 1,400만 건의 방문 데이터를 포함하는 대규모 의료 시스템 EHR 데이터셋에서 테스트되었습니다. 이 테스트에서 RETAIN은 RNN과 같은 최신 방법론과 비교해 예측 정확성과 계산 확장성을 유사하게 보여주었으며, 전통적인 모델과 비교해 해석 용이성이 유사함을 입증하였습니다.