로고

로고

Research

연구 정보

Research Project (승인과제목록)

KNN 연구 요약서

Title A machine learning approach to predicting the retinopathy of prematurity or operation in very low-birth weight neonates in Korean Neonatal Network data from 2013 to 2020.
Author 도현정, 박영미, 오성희, 문경민, 진현승
작성자 진현승
Background 최근 인공지능 특히 머신러닝을 이용한 통계분석적 적용에 관한 연구들이 많아지고 있는 상황이다. 이에 극소저체중출생아에 대한 미숙아망막증 예측에 인공지능 즉, 머신러닝기법을 이용한 연구가 거의 없어 적용해 평가해 보고자 한다.
Aim / Hypothesis 극소저체중출생아에서 미숙아망막증 발생 혹은 수술 예측에 있어 로지스틱 방법과 머신러닝 방법을 비교하여 유용성 평가
Inclusion Criteria 한국극소저체중출생아 등록사업(Korean neonatal network, KNN)의 자료를 이용(2013~2020)
Exclusion Criteria 데이터 중 심한 기형, 일찍 전원 혹은 추적관찰 실패, 불완전한 데이터, 미숙아망막증 진찰은 안한 경우, 24주 미만, 32주 이상의 재태연령
Study Design Statistical methods Data 분석: risk factor 분석 – 통계분석과 clinical impact에 따른 선택으로 적절한 factors를 선택 2013-2019년 data Training set 그룹으로 2020년 data를 Test set 그룹으로 구분 로지스틱 분석방법(Traditional statistical method, Reference method) 머신러닝 분석방법 - artificial neural network (ANN), random forest (RF), and support vector machine (SVM) methods 등의 방법을 이용해서 분석
Primary Outcomes 미숙아 망막증 수술 시행
Secondary Outcomes and Definitions 미숙아 망막증 발생 유무
Protocols 각각의 방법을 이용한 prediction에서의 accuracy, sensitivity, specificity, PPV를 구해 비교하고, AUROC curve를 그려서 각 방법상에서 통계적 차이가 있는지 비교한다. 추가적으로 최근 체중 증가와 ROP에 대한 연관성에 대한 연구들이 많아지고 있고, 대표적으로 ROP score, CHOP ROP, WINROP의 경우 ROP stage 1에 대한 예측율에 대한 연구가 있어 stage 1 prediction에 대한 분석과 다른 연구결과와 비교분석도 시행한다.
Funding No

질병관리청 바로가기

대한신생아학회 바로가기

국립보건연구원 바로가기

Korean Neonatal Network TEL : 070-8095-2023   FAX : 02-3410-3540   
E-mail : knn@knn.or.kr

COPYRIGHT © 2022 KNN. ALL RIGHTS RESERVED.