목적: 건강검진 데이터셋을 기반으로 청년 및 중년 남성의 골감소와 관련된 위험 요인을 탐구하고 예측 모델을 구축하며 성능을 평가하는 것. 방법: 2022년 5월부터 2024년 5월까지 연무 보장 부대 제961병원에서 건강검진을 받은 989명의 건강한 청년 및 중년 남성을 연구 대상으로 후향적 데이터 연구를 진행하였다. 데이터셋을 7:3 비율로 무작위로 훈련 세트(n=692)와 검증 세트(n=297)로 나누었으며, 골감소 발생을 주요 연구 종점으로 설정하였다. LASSO 회귀를 사용하여 독립 예후 인자를 선별하였고, 6가지 머신러닝 모델(극한 그라디언트 부스팅, 서포트 벡터 머신, 다요인 로지스틱 회귀, K-최근접 이웃 알고리즘, 경량 그라디언트 부스팅 머신, 랜덤 포레스트)을 사용하여 연구 대상자의 골감소 상태를 예측하였다. 수신자 조작 특성(ROC) 곡선 아래 면적(AUC), 민감도, 특이도, 브라이어 점수 등의 지표로 최적 모델을 선별하였다. Youden 지수 최대화 원칙으로 고위험 확률 임계값을 결정하였다. 보정 곡선과 임상 결정 곡선을 통해 최적 모델의 보정도 및 임상적 성능을 평가하였다. 최종적으로 SHAP 방법을 통해 최적 모델의 예측 결과를 해석하였다. 결과: 연구는 청년 및 중년 남성 환자의 골감소에 영향을 미치는 8가지 독립 요인(흡연 상태, 고밀도 지단백 콜레스테롤, 중성지방, 적혈구 수, 규칙적인 운동, 혈청 알부민, 헤모글로빈, 요산)을 확인하였다. 다양한 방법으로 구축된 6가지 머신러닝 모델 중 랜덤 포레스트 모델이 검증 세트에서 AUC(0.706, 95% 신뢰구간 0.644~0.769), 특이도(0.884), 양성 예측값(0.704), 음성 예측값(0.708), 정확도(0.704) 모두 최고였으며, 브라이어 점수는 0.0301(0.0283~0.0322)로 가장 우수하였다. Youden 지수 최대값은 0.384로 민감도 0.579, 특이도 0.805에 대응하였다. 검증 세트 보정 곡선은 확률 0.20~0.65 구간에서 편차가 가장 적었으며, 임상 결정 곡선은 위험 임계값 0.12~0.65 구간 내 순이익이 양성으로 나타나 임상 의사결정에 활용할 수 있음을 뒷받침하였다. 결론: 흡연 상태, 고밀도 지단백 콜레스테롤, 중성지방, 적혈구 수, 규칙적인 운동, 혈청 알부민, 헤모글로빈, 요산은 청년 및 중년 남성의 골감소에 영향을 미치는 독립 인자이다. 이 요인들을 기반으로 구축된 예측 모델은 우수한 예측 성능을 가지며, 근거중심 의학에 기반한 임상 진료 보조 결정 지원을 제공할 수 있다.

골감소; 머신러닝; SHAP 방법; 보조 의사결정 지원