초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

빅데이터는 정보기술 발전으로 보건 의료 분야에 접목되어 환자에게 양질의 서비스를 제공하기 위해 다양하게 활용되고 있다.
본 논문은 보건의료빅데이터개방시스템에서 제공하는 2012년부터 2013년까지의 대장암 수술 환자의 의무기록을 활용하여 제안된 알고리즘을 통해 설계된 모형으로 수술 후 입원일수를 예측하고 예측력의 평가를 위해서 RMSE(Root Mean Square Error)와 ...

빅데이터는 정보기술 발전으로 보건 의료 분야에 접목되어 환자에게 양질의 서비스를 제공하기 위해 다양하게 활용되고 있다.
본 논문은 보건의료빅데이터개방시스템에서 제공하는 2012년부터 2013년까지의 대장암 수술 환자의 의무기록을 활용하여 제안된 알고리즘을 통해 설계된 모형으로 수술 후 입원일수를 예측하고 예측력의 평가를 위해서 RMSE(Root Mean Square Error)와 상관계수를 상호 비교 하였다.
연구 결과, 다양한 데이터 분석 방법으로 Random Forest 알고리즘이 가장 예측력이 우수함을 보여 주었지만 상대적으로 모델링 시간이 많이 소요되었다.
본 논문의 연구와 같이 입원일수 예측과 관련된 연구가 활발히 진행되고 있지만 일반적 통계 분석이나 CCI(Charlson Comorbidity Index)를 활용한 입원일수의 예측 연구가 많이 있다. 이번 연구는 기계학습 기반으로 임상학적 해석을 배제하고 대장암 수술 환자의 의무기록을 활용하여 입원일수를 예측하는 연구를 시도하였다.
최근 병원들은 PACS, EMR, HIS와 같은 의료정보시스템을 도입함에 따라 대용량의 데이터를 수집할 수 있게 되었다. 이번 연구를 통해 의료 빅데이터를 다양한 데이터 분석 기법을 적용하여 향후 병원 경영 및 보건 의료 분야에 다양한 활용적인 방안을 제공하고자 한다.

주제어