보건의료분야는 보험자가 피보험자(환자)에게 직접적인 피드백을 받기 어려운 구조이기 때문에 이상탐지 시스템 및 관리가 더욱 중요한 실정이지만, 의료정보의 복잡성, 불규칙성, 고차원성 등의 문제로 다른 분야에 비해 이상탐지 모델의 실제 활용이 많지 않았다. 특히 환자 혹은 환자의 의료이용 내역 단위의 실질적인 이상탐지 모형에 대한 연구는 거의 없는 실정이다. 본 연구에서는 보건의료 빅데이터 기반 이상탐지 모형을 제안 하였는데, 이는 보건의료 분야의 특수성인 진단명 정보의 부정확성을 보완하고 정보의 복잡성, 불규칙성, 고차원성의 문제를 반영할 수 있으며, 이상 유무에 대한 진단뿐만 아니라 주요 원인에 대해 설명 가능하여 ...
보건의료분야는 보험자가 피보험자(환자)에게 직접적인 피드백을 받기 어려운 구조이기 때문에 이상탐지 시스템 및 관리가 더욱 중요한 실정이지만, 의료정보의 복잡성, 불규칙성, 고차원성 등의 문제로 다른 분야에 비해 이상탐지 모델의 실제 활용이 많지 않았다. 특히 환자 혹은 환자의 의료이용 내역 단위의 실질적인 이상탐지 모형에 대한 연구는 거의 없는 실정이다. 본 연구에서는 보건의료 빅데이터 기반 이상탐지 모형을 제안 하였는데, 이는 보건의료 분야의 특수성인 진단명 정보의 부정확성을 보완하고 정보의 복잡성, 불규칙성, 고차원성의 문제를 반영할 수 있으며, 이상 유무에 대한 진단뿐만 아니라 주요 원인에 대해 설명 가능하여 모니터링 시스템에 활용될 수 있도록 설계되었다. 이를 검증을 위해 실제 특정 사례를 모형에 적용하여 결과를 제시하였다. 이는 국내 보건의료 분야에서 빅데이터 기반 지속가능한 이상탐지 모니터링 체계 마련에 활용될 수 있을 것으로 여겨진다.
보건의료분야는 보험자가 피보험자(환자)에게 직접적인 피드백을 받기 어려운 구조이기 때문에 이상탐지 시스템 및 관리가 더욱 중요한 실정이지만, 의료정보의 복잡성, 불규칙성, 고차원성 등의 문제로 다른 분야에 비해 이상탐지 모델의 실제 활용이 많지 않았다. 특히 환자 혹은 환자의 의료이용 내역 단위의 실질적인 이상탐지 모형에 대한 연구는 거의 없는 실정이다. 본 연구에서는 보건의료 빅데이터 기반 이상탐지 모형을 제안 하였는데, 이는 보건의료 분야의 특수성인 진단명 정보의 부정확성을 보완하고 정보의 복잡성, 불규칙성, 고차원성의 문제를 반영할 수 있으며, 이상 유무에 대한 진단뿐만 아니라 주요 원인에 대해 설명 가능하여 모니터링 시스템에 활용될 수 있도록 설계되었다. 이를 검증을 위해 실제 특정 사례를 모형에 적용하여 결과를 제시하였다. 이는 국내 보건의료 분야에서 빅데이터 기반 지속가능한 이상탐지 모니터링 체계 마련에 활용될 수 있을 것으로 여겨진다.
Anomaly detection and its management in a healthcare system are more significant than in any other system due to the structure of the healthcare system where feedbacks from insurers(patients) are hardly given to the insurers. However, the nature of medical information such as complexity, irregularit...
Anomaly detection and its management in a healthcare system are more significant than in any other system due to the structure of the healthcare system where feedbacks from insurers(patients) are hardly given to the insurers. However, the nature of medical information such as complexity, irregularity, and high dimensionality has been challenging the practical application of the anomaly detection model to the healthcare system. Due to this challenge, few studies have been conducted on the practical anomaly detection model of the medical history index of patients. In this paper, an anomaly detection model based on healthcare big data is proposed. This model compensates for the inaccuracy of disease code information which is a distinctive characteristic of the healthcare system. It also reflects the information complexity, irregularity, and high dimensionality. It is designed to be used not only for a diagnosis but also for a cause analysis, hence can be utilized for a monitoring system. For verification, a specific case was applied to the model and the results were presented. The model can help to establish the foundation of a sustainable anomaly detection monitoring system based on Big Data in the healthcare system of South Korea.
Anomaly detection and its management in a healthcare system are more significant than in any other system due to the structure of the healthcare system where feedbacks from insurers(patients) are hardly given to the insurers. However, the nature of medical information such as complexity, irregularity, and high dimensionality has been challenging the practical application of the anomaly detection model to the healthcare system. Due to this challenge, few studies have been conducted on the practical anomaly detection model of the medical history index of patients. In this paper, an anomaly detection model based on healthcare big data is proposed. This model compensates for the inaccuracy of disease code information which is a distinctive characteristic of the healthcare system. It also reflects the information complexity, irregularity, and high dimensionality. It is designed to be used not only for a diagnosis but also for a cause analysis, hence can be utilized for a monitoring system. For verification, a specific case was applied to the model and the results were presented. The model can help to establish the foundation of a sustainable anomaly detection monitoring system based on Big Data in the healthcare system of South Korea.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.