Beyond Thresholds: Learning Perioperative Risk from Intraoperative Physiological Trajectories

Motivation

• Known: 수술 전 위험 점수(SORT 등)는 ASA grade, 나이, 응급도 등 정적 변수로 계산되어 30일 사망률에 대해 AUROC 0.90 수준의 준수한 성능을 보이며, 수술 중에는 개별 vital sign이 임계값을 넘는지 감시하는 threshold 기반 경보 시스템이 사용된다.
• Gap: 기존 시스템은 vital sign을 독립적인 스칼라 값으로 취급하여 다변량 시간적 맥락과 신호 간 상호의존성을 버리며, gradient-boosted model이나 딥러닝을 이용한 선행 연구들도 예측 향상이 임계값 위반 탐지에서 오는 것인지 생리학적 궤적 구조 모델링에서 오는 것인지 불분명했다.
• Why: 수술 중 발생하는 합병증과 사망의 상당수는 ICU 입실 없이 발생하며(European Surgical Outcomes Study 73%), 정적 위험도만으로는 수술 중 실시간으로 변화하는 환자의 취약성을 포착할 수 없어 적시 개입의 기회를 놓치게 되므로, 동적 생리 신호로부터 보완적 예후 정보를 얻는 것은 임상적으로 중요하다.
• Approach: 130,960건의 수술을 포함한 INSPIRE 데이터셋을 사용하여 정적 기준선(baseline), 생리학적 요약 통계(summaries), Gaussian HMM 기반 궤적 특징(trajectories), 그리고 이들의 결합(combined) 4가지 모델링 arm을 grouped cross-validation으로 비교하고, 4개의 수술 후 결과(연장 ICU 재원, ICU 입실, 조기 ICU 확대, 원내 사망)에 대해 평가했다.

Achievement

1. 점진적 특징 추가에 따른 성능 향상: 정적 baseline에서 summaries, trajectories, combined 순으로 각 단계마다 예측 성능이 점진적으로 향상됨을 입증했다.
2. HMM 궤적 특징의 상호보완적 예후 정보: HMM 기반 궤적 특징이 채널별 임계값 요약과 상호보완적인 예후 구조를 포착하며, ICU 관련 결과에서 combined 모델이 최고 성능을 보임을 확인했다.
3. 조기 예측 가능성: 마취 시작 후 단 15분 만에 예측 신호가 검출 가능함을 보였다.
4. 정적 위험도로 과소평가된 환자군에서의 최대 이득: 정적 위험 프로파일이 실제 수술 중 취약성을 과소평가하는 환자에서 이득이 가장 크게 나타났으며, 이는 단일 수술 전 변수로는 설명되지 않는 패턴임을 확인했다.

How

• INSPIRE 데이터셋(130,960건 수술)에서 심박수, SpO2, NIBP MAP, arterial MAP, FiO2 등 vital sign을 사용
• 4개 modelling arm 구성: (A) baseline만, (B) baseline+summaries, (C) baseline+trajectories, (D) 결합 모델
• summaries는 mean, SD, min, max, 임계값 초과 시간 등 채널별 통계량
• trajectories는 6개 채널(NIBP MAP, arterial MAP, SpO2, heart rate, FiO2, arterial line indicator)을 5분 단위로 binning하여 표준화 후 Gaussian HMM을 적합
• 상태 수 K는 {3,...,8} 범위에서 held-out log-likelihood, BIC-style penalty, silhouette score로 선정 (K=6 채택)
• operation-level 특징으로 state occupancy fraction, transition entropy H, 불안정 상태로의 전이 등을 추출
• 결측치는 median imputation 및 최대 10분(2 bins)까지 LOCF로 처리
• arterial line indicator 제외 및 4채널만 사용한 강건성 검증(K=7) 수행
• fold-safe evaluation: 모든 전처리와 HMM 훈련/디코딩을 5-fold grouped cross-validation 내에서 수행하고, cross-fold state alignment을 nearest-neighbour emission remapping으로 처리

Originality

• 정적 위험 점수와 수술 중 threshold 기반 경보 시스템이라는 임상 실무의 이분법을 넘어, HMM 기반 궤적 표현이 임계값 기반 요약과 독립적으로 상호보완적인 예후 정보를 담고 있음을 체계적으로 분리하여 입증
• 4가지 modelling arm을 단계적으로 비교하는 ablation-style 설계를 통해 어떤 특징 표현이 예후 정보를 가장 잘 포착하는지 규명
• 예측 신호가 언제부터(15분) 신뢰할 만한지, 그리고 어떤 환자군에서 동적 모니터링이 정적 평가 대비 가장 큰 가치를 더하는지에 대한 실용적 질문에 답한 점

Limitation & Further Study

• LOCF를 이용한 짧은 결측 구간 보간이 편향을 유발할 수 있음을 저자들도 인정
• NIBP MAP과 arterial MAP의 채널별 결측률이 42-44%에 달해 combined MAP 채널 신뢰도에 영향을 줄 수 있음
• arterial line indicator가 생리학적 신호라기보다 모니터링 강도(고위험군일수록 침습적 모니터링을 더 받는 경향)를 반영할 가능성이 있어, 이에 대한 강건성 검증은 수행했으나 완전히 배제되지는 않음
• 단일 academic centre에서 수집된 데이터(2011-2020)로 외부 타당성(external validity) 및 다기관 일반화 가능성에 대한 검증 부재
• 후속 연구로는 다기관 검증, 실시간 배포 가능성 평가, 더 정교한 결측치 처리 기법 도입 등이 필요

Evaluation

총평: 대규모 공개 데이터셋을 활용해 수술 중 생리 신호의 다변량 궤적 구조가 기존 임계값 기반 요약과 상호보완적인 예후 정보를 갖는다는 것을 체계적으로 입증한 견고한 연구로, 임상적 실용성과 방법론적 엄밀성을 균형 있게 갖추고 있다.