경도인지장애(MCI) 환자에서 높은 사망률과 이환율을 보이는 섬망의 위험 요인을 조사하기 위해 기계 학습 방법을 활용한 종단적 예측 모델을 개발하는 연구이다. MIMIC-IV v2.2 데이터베이스를 사용한 후향적 분석을 통해 MCI와 관련된 동반 질환 패턴, 생존 확률 및 예측 모델 결과를 평가하였다. 동반 질환 패턴 검토를 통해 MCI 환자군의 고유한 위험 프로파일을 확인하였고, Kaplan-Meier 생존 분석 결과 MCI 환자는 섬망 발생 시 비 MCI 환자에 비해 생존 확률이 현저히 낮음을 보였다. 시계열 데이터, 인구통계학적 변수, Charlson 동반 질환 지수(CCI) 점수 및 다양한 동반 질환을 활용하여 LSTM 기계 학습 네트워크를 구현하여 예측 모델을 개발하였으며, AUROC 0.93, AUPRC 0.92의 강력한 예측 성능을 보였다. 본 연구는 섬망 위험 평가에서 동반 질환의 중요성과 섬망 발생 위험이 높은 환자를 정확히 파악하는 데 있어 시계열 예측 모델의 효과를 강조한다.
