선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 증상과 방제의 연계가 가장 쉽게 이루어 질 수 있는 상한론의 구조적 분석을 통한 온톨로지적 접근법으로 데이터를 생산하고, 그를 통한 네트워크의 디자인 구조의 연구를 수행해 보기로 하였다.
제안 방법
- 구체적으로 상술하면 상한론 태양병편의 각 조문들을 분석하고 이에 수록되어 있는 증상명들을 조각내는 작업을 하였으며. 이를 위해 이 각 조문의 의미를 분석하고 분류하였으며, 그에 따르는 기본 증상을 파자하여 따로 항목화 하였으며, 병리와 치법 및 방제 항목도 따로 분류하였으며, 이 작업들은 Microsoft Excel 2003 프로그램으로 수행하였다.
- 그리고 마지막 단계로 상기 데이터 베이스에 의한 그래픽 구조인 Cementic Network Map을 구현하기 위하여, 그 사전 단계로 각 조문을 최소단위 증상명과 방제를 이 목적에 맞게 파자하여 데이터를 필터링 하였으며, [그림 5]는 MS Office Excel 2003을 이용하여 상한론의 각 조문을 파자한 것이다.
- 다음으로, 이 데이터 들을 이용하여, 우리는 Net Miner software(사이람, Korea)로 증상-방제 twonode 연결을 구현해 보았으며, 그 메트릭스와 그래픽을 확인해 보면 아래 [그림6-1, 6-2]와 같다.
- 병인, 증상, 병리, 치법 및 방제 사이의 흐름도 및 그 각 조문에 대한 분석은 다음과 같으며, [상한론정해]2) 의 내용을 참조하여 분석하였으며, MS Office Excel 2003을 활용하여 [그림 2-1, 2-2]와 같은 데이터 베이스를 구현하였다.
- 상한론 증상과 방제의 구조적 연결을 만들기 위한 최초의 작업으로 연구자의 주관을 배제한 연구를 시행하기 위하여, 상한론의 각 조문중에서 방제가 있는 조문만을 선별하여, 증상과 방제를 최소단위로 파자하여 분해하기로 하였다. 이러한 증상과 방제의 최소단위 분해를 가리켜 시맨틱 네트워크에서는 URI(Uniform Resource Identifier)라 한다.
- 상한론 태양병편의 증상명을 중심으로 한 분류체계를 분석하기 위해서, 각 조문들의 병인, 증상, 병리, 치법 및 탕증 사이의 흐름도를 분석하고, 전체 조문에 수록되어 있는 각각의 증상명들을 조사하여, 이들을 데이터베이스화 하여 상위 증상 유형을 나누고 그 하위 증상 분류를 수행하였다.
- 여기에서는, 상한론 각각의 증상과 방제에 대해 데이터 분석을 위한 일련번호를 부여하였으며, 추후의 데이터 분석과 활용을 위해 이 데이터 들을 Index화 하였으며, 그 내용은 [그림 4-1, 4-2]와 같이 MS Office Excel 2003으로 구현하였다.
- 우리는 위와 같이 상한론의 파자를 통한 구조적 분해를 통하여 상·하위 분류체계를 통한 데이터 베이스를 획득하였고, 이를 운용하여 해당 데이터 베이스의 위치를 찾아낼 수 있는 프로그램을 구현하는 데 성공하였다.
- 이 데이터베이스를 분석하여 나온 통계를 증상별로 분류하여 20개의 대분류와 그에 따른 소분류로 분석하여 Unicode를 설정하였다.
- 이 분해 작업의 tool은 MS Office Excel 2003을 이용하여, 한 방제에 연계된 조문을 한 줄의 횡적인 연결 안에서 방제와 본초의 파자들을 각각 하나의 셀로 분해하였다.
- 이를 위하여 증상-방제간의 관계성을 이해하기 위하여 이중 노드 연결을 시도하였다.
- 이를 통하여 만들어지는 상한론 증상과 방제의 구조적 연결을 우리는 SPDN(Shanghannon Pheno- mena Drug Network)라고 명명하기로 하였으며, 그 구현은 그래프 이론 체계 안에서 이루어지도록 하였으며, 이를 통해 얻어지는 특징적인 구조를 통하여 상한론의 유기적인 연결고리를 고찰해 보기로 하였다.
데이터처리
- 구체적으로 상술하면 상한론 태양병편의 각 조문들을 분석하고 이에 수록되어 있는 증상명들을 조각내는 작업을 하였으며. 이를 위해 이 각 조문의 의미를 분석하고 분류하였으며, 그에 따르는 기본 증상을 파자하여 따로 항목화 하였으며, 병리와 치법 및 방제 항목도 따로 분류하였으며, 이 작업들은 Microsoft Excel 2003 프로그램으로 수행하였다.
성능/효과
- 두번째로, SPDN을 통해 얻어진 온톨로지 네트워크를 통해 일련의 증상들을 연결하는 최적의 방제를 유추할 수 있는 각각의 그래픽 구조를 얻어낼 수 있었다. 세 번째로 이러한 온톨로지를 얻어내는 일련의 과정에서 획득한 데이터베이스를 통해 여러방식의 데이터 분석방법과 소프트웨어 개발 방법을 찾아낼 수 있었다.
- 상기 세가지 증상들 - 부, 발열, 오한 -에서 3회 모두 언급되는 방제와 침법은 계지탕, 대청룡탕, 기문혈 자침법이며, 이런 각각의 증상-방제 연결 노드들의 교집합으로 효과적인 치료법을 선택하는 것이 가능할 것으로 보인다.
- 두번째로, SPDN을 통해 얻어진 온톨로지 네트워크를 통해 일련의 증상들을 연결하는 최적의 방제를 유추할 수 있는 각각의 그래픽 구조를 얻어낼 수 있었다. 세 번째로 이러한 온톨로지를 얻어내는 일련의 과정에서 획득한 데이터베이스를 통해 여러방식의 데이터 분석방법과 소프트웨어 개발 방법을 찾아낼 수 있었다.
- 첫 번째로, SPDN을 통해 우리는 상한론 태양병 증상-방제의 연결 구조에 대한 전체적인 인식을 위한 접근을 할 수 있었다. 상기 그림들에서 볼 수 있듯이 각 증상과 방제의 노드마다 상호 관계의 가중치를 통한 관련성을 edge의 두께로 표현해 낼 수 있었다.
후속연구
- 그리고 기존의 한방정보진단기들을 통한 의미있는 진단 정보들과 연동시킬 수 있다면 한의학적 진단과 처방의 재연성을 일치시키는 데도 많은 진전을 이루는데 기여할 수 있을 것이라고 기대된다.
- 또한, 우리는 이러한 온톨로지 방법론을 통해 기존의서들의 미시적인 분해를 통한 분석과 그 전체적인 구조를 획득하는 방법 들을 얻게 될 것이며, 기존의 분석방식에서 얻을 수 없었던 새로운 구조에 대한 인식법을 얻을 수 있을 것이다.
- 또한, 한방의약산업의 신약개발 분야에서도 새로운 아이디어 제공을 위한 방법으로 활용이 가능할 것이고, 나아가 임상가들에게 유용하고 재연성있는 정보를 제공하는 소프트웨어 개발에도 활용될 것이다.
- 여기에서 전제할 것은, 이 그래프 구조의 연결 안에는 직접적인 관계가 있는 것과 본질적인 상관관계가 없을 수도 있는 것들의 다양한 결합이 있을 수 있으며, 상한론 연구에서 그동안 중요시되지 않았던 부분들에 대한 재인식의 기회도 제공될 수 있을 것이다.
- 이 연구에서의 한계점은, 위와 같은 그래픽구조에 나타나 있는 방제와 증상의 노드들 사이의 관계를 설정할 수 있는 분석 방법들의 다양성에 관한 연구가 부족한 것으로 보이며, 이에 대한 발전적인 연구가 더 필요할 것으로 보인다.
- 향후 우리는 상한론의 증상-방제간 관계에 대한 분석뿐만 아니라 증상-본초간, 혹은 증상-증상간의 관계를 온톨로지 구조분석을 통하여 더 수행할 것이다.
- 향후 우리는 위와 같은 방향성을 가지고, 이러한 한의학의 온톨로지적 연구를 진행해 나가야 할 것이라고 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.