SLEEPER: 전문가 규칙을 통한 해석 가능한 수면 단계 분류

수면 단계 분류는 수면 장애를 진단하는 데 중요한 작업입니다. 이 작업은 복잡하고 번거로워서 훈련된 전문가가 한 환자의 한 밤 동안 측정한 다중 수면 검사(Polysomnogram, PSG)를 주석화하는 데 몇 시간이 소요될 수 있습니다. 딥러닝 모델은 수면 단계 분류의 자동화에서 최신 성능을 보여주었지만, 해석 가능성(interpretability)이라는 다른 요구사항은 대부분 탐구되지 않았습니다. 본 연구에서는 딥러닝 모델과 전문가가 정의한 규칙을 프로토타입 학습 프레임워크를 통해 결합하여 간단하면서도 해석 가능한 모델을 생성하는 방법인 '프로토타입 기반 전문 규칙 활용 수면 단계 분류(SLEEPER)'를 제안합니다. 특히 SLEEPER는 수면 점수 규칙과 전문가가 정의한 특징들을 이용하여 컨볼루션 신경망을 통해 PSG 데이터 조각들의 임베딩(embeddings)으로 프로토타입을 도출합니다. 최종 모델은 이러한 표현형(phenotypes) 위에서 정의된 얕은 결정 트리와 같은 간단하면서도 해석 가능한 모델입니다. 우리는 두 개의 PSG 데이터셋을 사용하여 SLEEPER를 평가하였으며, SLEEPER가 인간 전문가와 딥 뉴럴 네트워크에 필적하는 정확한 수면 단계 분류를 제공할 수 있음을 시연하였습니다. 이는 약 85%의 ROC-AUC와 0.7의 카파(kappa) 값을 나타냈습니다.