한국 중장년 여성에 대한 기계학습 기반 비침습적 요인들을 이용한 당뇨 및 공복혈당 장애 분류

임미홍; 전영주; 김홍기

doi:10.14801/jkiit.2023.21.8.175

주제분류

...

저널정보

한국정보기술학회
한국정보기술학회논문지 학술저널
한국정보기술학회논문지 제21권 제8호(JKIIT, Vol.21, No.8)
2023.8 175 - 184 (10page)
DOI : 10.14801/jkiit.2023.21.8.175

저자정보

임미홍 (한국한의학연구원)
전영주 (한국한의학연구원)
김홍기 (충남대학교)

이용수
내서재: 1

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

본 연구는 기계학습 기반으로 비침습적 생체지표들을 이용하여 적극적인 혈당 관리를 필요로 하는 당뇨 및 공복혈당 장애 분류 모델을 생성하고 성능을 비교하는 것을 목적으로 한다. 총 215명의 40세 이상 69세 미만의 여성을 대상으로 6개의 기계학습 알고리즘을 이용하여 모델을 생성하고 중첩 교차검증(Nested cross-validation)을 사용하여 성능을 비교하였다. 그 결과 엘라스틱 넷 로지스틱 회귀분석의 성능이 다소 높게 나타났고 맥박수 표준편차(STD_PR)와 이완기의 면적(Dias_area)이 상대적으로 중요도가 높은 변수로 나타났다. 연구 결과는 당뇨 및 공복혈당 장애 분류를 위한 비침습적 변수의 가능성을 보여주었다. 또한 기계학습 알고리즘을 사용한 분류는 임상의가 의사 결정을 하고 의료 서비스를 제공하는데 도움이 될 것으로 예상된다.

This study aimed to build models to classify diabetes and impaired fasting glucose requiring active management of blood sugar based on machine learning approaches using noninvasive variables, and to evaluate the performance of each model. The classification models of diabetes and impaired fasting glucose in a total of 215 women aged 40 to 69 were built through six machine learning approaches. The performance of each model was evaluated using nested cross-validation. The model using elastic net logistic regression reported slightly higher performance. The area of diastolic period and standard deviation of pulse rate were founded to be relatively important variables in diabetes and impaired fasting glucose. These results showed the potential of noninvasive variables for the classification of diabetes and impaired fasting glucose. Also, classification based on machine learning approaches can help clinicians make clinical decisions and provide healthcare services.

#machine learning #diabetes #impaired fasting glucose #pulse wave #anthropometric measures