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
- 따라서 본 논문에서는 전문 의료지식이 부족한 개인이 간단한 자신의 증상 선택만으로 건강 상태를 파악하고 더욱 세부적인 증상 정보의 입력을 통해 더욱 정확한 진단을 유도 할 수 있는 자가 진단 시스템과 효과적인 활용을 위해 전문의가 쉽게 새로운 질병 및 증상을 추가, 관리할 수 있는 지능형 자가 진단 시스템을 제안한다.
- 본 논문에서는 전문 의료지식이 부족한 일반인이 시공간의 제약에서 벗어나 의료진과의 직접 대면에 앞서 건강상태를 파악하여 관리하도록 유도하고 추후 의료관리에 대한 접근 방향의 결정을 돕는 방안으로 지능형 자가 진단 시스템을 제안하였다.
제안 방법
- 따라서 본 논문에서는 퍼지 소속 함수를 통하여 구해진 소속도를 퍼지 제어 규칙에 적용하고 적용된 각 규칙의 전반부 변수들의 소속도를 모두 합하여 각 규칙의 소속합(Ou)을 구한다. 각 추론 규칙의 소속합 중에서 가장 큰 값을 승자 소속합(Oj*)으로 선택하고 비퍼지화 과정을 거쳐 세부적인 질병의 코드를 추론한다. 소속합은 식(3)과 같이 계산한다.
- 본 논문에서는 국민건강보험공단의 ‘질병 소분류별 다빈도 상병 급여 현황(2005)’과 통계청의 ‘한국표준질병․사인분류(4차개정)’를 참조하여 한국인들에게 발병하여 병원을 찾게 되는 다빈도 질병들 중 정확한 검사가 필요하거나 치과질환, 관절 및 인대의 탈구, 염좌 등과 같이 자가 진단 시스템으로 진단하기 부적절한 질병을 제외한 46종을 선정한다[6,7]. 그리고 선정된 질병들의 증상을 의료전문 콘텐츠 12곳을 참조하여 166가지를 수집한 후, 머리, 코, 목 등 17가지 신체 부위별로 분류하여 질병 진단을 위한 질의로 제시한다. 또한 질병의 증상들 중에 중요도를 분류하여 증상별 가중치를 다르게 설정하며 나이, 경과 시간, 체온 등을 이용하여 질병의 증상과 치료법을 제시한다.
- 감기의 중요사항인 체온의 경우에는 비교적 정확한 값으로 입력이 가능하지만 가래의 색과 같이 주관적인 증상의 정도는 입력에 어려움이 있어 질병 도출에 한계가 있다. 따라서 본 논문에서는 판별이 힘든 증상의 정도를 퍼지 소속 함수로 설계한다. 즉 가래의 색의 정도를 일반적인 방법으로는 표현의 한계가 있으나 퍼지 소속 함수로 설계할 경우에는 흰색의 경우 0.
- 일반적으로 퍼지 추론 규칙에서 결론부는 Mandani의 Min-Max 추론 방법을 적용하는 것이 효율적이지만 본 논문에서는 질병마다 증상이 가지는 의미가 각각 다르다. 따라서 본 논문에서는 퍼지 소속 함수를 통하여 구해진 소속도를 퍼지 제어 규칙에 적용하고 적용된 각 규칙의 전반부 변수들의 소속도를 모두 합하여 각 규칙의 소속합(Ou)을 구한다. 각 추론 규칙의 소속합 중에서 가장 큰 값을 승자 소속합(Oj*)으로 선택하고 비퍼지화 과정을 거쳐 세부적인 질병의 코드를 추론한다.
- 본 논문에서 다루고 있는 질병의 증상들은 대부분 인간의 언어로 표현되어 있어 그 정도의 차이가 판별하기 힘든 문제점이 있다. 또한 증상을 표현하는 환자의 주관적인 생각이 모두 달라서 객관적이며 전문적인 지식을 기준으로 정도의 차이를 수치화할 수 있도록 퍼지 논리를 적용한다. 감기의 중요사항인 체온의 경우에는 비교적 정확한 값으로 입력이 가능하지만 가래의 색과 같이 주관적인 증상의 정도는 입력에 어려움이 있어 질병 도출에 한계가 있다.
- 그리고 선정된 질병들의 증상을 의료전문 콘텐츠 12곳을 참조하여 166가지를 수집한 후, 머리, 코, 목 등 17가지 신체 부위별로 분류하여 질병 진단을 위한 질의로 제시한다. 또한 질병의 증상들 중에 중요도를 분류하여 증상별 가중치를 다르게 설정하며 나이, 경과 시간, 체온 등을 이용하여 질병의 증상과 치료법을 제시한다. 질병 선정 및 증상, 치료법 수집 과정은 그림 1과 같다.
- 본 논문에서 사용한 데이터베이스는 선정된 46가지의 질병과 그 질병들의 166가지의 증상, 질병의 경과 정도와 사용자의 나이 등에 따른 치료법들을 각각의 테이블로 설계한다. 질병 테이블에는 질병명과 질병 및 증상 조사 과정에서 분류한 증상의 중요도에 따른 증상 코드, 질병의 경과 정도와 사용자의 나이 등의 따른 치료법 테이블(디테일 테이블)을 저장하며 증상 테이블에는 46가지 질병들에 대해서 166가지의 증상을 저장한다.
- 본 논문에서는 ART2 알고리즘을 적용하여 사용자의 증상 패턴과 질병의 증상 패턴과의 유사도를 측정한다. ART2 알고리즘은 입력 패턴에 대한 목표치가 없이 군집화가 가능한 비지도 학습이며 비교적 빠른 시간 내에 군집화가 가능하고 동적으로 클러스터의 생성이 가능하다는 특징이 있다.
- 본 논문에서는 먼저 이상부위를 선택하여 나타난 증상들 중에 자신의 증상을 선택한다. 자신의 증상을 모두 선택하게 되면 선택된 증상들을 입력 패턴으로 제시하여 데이터베이스에 저장되어 있는 질병들에 대해 자가 진단에 효과적인 유사도 측정법을 적용하여 유사도를 측정하고 유사도가 높은 오름차순으로 3가지 질병을 최종 질병으로 도출한다.
- 이때 퍼지 소속 함수에 적용하여 출력된 값을 소속도라 하며, 소속도를 제시된 퍼지 추론 법칙에 적용하여 질병의 세부사항을 도출한다. 본 논문에서는 퍼지논리를 적용한 감기의 경우에는 중요 사항으로 나이, 지속 기간, 체온 등이 적용된다.
- 0사이의 수로 판별이 힘든 증상의 정도를 표현할 수 있다. 본 논문의 자가 진단 시스템은 ART2 알고리즘을 적용하여 도출된 질병의 세부사항에 영향을 미칠 수 있는 중요 사항과 의심되는 다른 질병의 초기 증상을 사용자에게 보여주어 자신의 증상의 정도를 입력할 수 있도록 한다. 사용자로부터 입력된 증상 정도를 ART2 알고리즘을 적용하여 질병을 도출한 후에 중요 사항별로 미리 설계된 퍼지 소속 함수에 적용한다.
- 사용자의 증상 패턴과 가장 유사한 질병들이 군집해 있는 클러스터를 탐색한 후, 그림 5와 같이 그 클러스터에 속해 있는 질병들과 사용자 증상 패턴의 유사도를 측정하여 가장 가까운 질병 3가지를 도출한다. 그림 5의 실선은 중요 증상이며 질병 A, B, C 순서대로 유사도를 도출하는 결과를 나타낸 것이다.
- 식 (2)에서 A는 입력뉴런과 연결강도의 값 중에서 하나라도 0이 아닌 값을 가진 활성화 뉴런의 개수이다. 유사도 검증을 위해 중간층 출력값을 [0,1]사이의 값으로 정규화 하는 과정에서 0으로 구성된 뉴런들을 제외한 활성화 뉴런으로 나누어 계산하여 각 질병의 유사도가 기존의 ART2 알고리즘 보다 비교적 정확히 계산하여 현 증상에 해당되는 질병이 정확히 도출되도록 한다.
- 본 논문에서는 먼저 이상부위를 선택하여 나타난 증상들 중에 자신의 증상을 선택한다. 자신의 증상을 모두 선택하게 되면 선택된 증상들을 입력 패턴으로 제시하여 데이터베이스에 저장되어 있는 질병들에 대해 자가 진단에 효과적인 유사도 측정법을 적용하여 유사도를 측정하고 유사도가 높은 오름차순으로 3가지 질병을 최종 질병으로 도출한다. 제안된 자가 진단 시스템의 개략적인 순서도는 그림 4와 같으며 질병 도출 과정은 그림 5와 같다.
- 본 논문에서 사용한 데이터베이스는 선정된 46가지의 질병과 그 질병들의 166가지의 증상, 질병의 경과 정도와 사용자의 나이 등에 따른 치료법들을 각각의 테이블로 설계한다. 질병 테이블에는 질병명과 질병 및 증상 조사 과정에서 분류한 증상의 중요도에 따른 증상 코드, 질병의 경과 정도와 사용자의 나이 등의 따른 치료법 테이블(디테일 테이블)을 저장하며 증상 테이블에는 46가지 질병들에 대해서 166가지의 증상을 저장한다. 데이터베이스의 구조는 그림 2와 같다.
- 본 논문에서는 ART2 알고리즘을 이용하여 가능성이 높은 질병을 추출한다. 추출된 질병은 더욱 세부적이고 정확한 정보를 얻기 위해 판별이 힘든 정보를 퍼지 논리를 이용하여 단순한 질병 도출에서 더욱더 정확하고 세부적인 정보와 치료법을 사용자가 확인할 수 있도록 결과를 도출한다.
대상 데이터
- 본 논문에서는 국민건강보험공단의 ‘질병 소분류별 다빈도 상병 급여 현황(2005)’과 통계청의 ‘한국표준질병․사인분류(4차개정)’를 참조하여 한국인들에게 발병하여 병원을 찾게 되는 다빈도 질병들 중 정확한 검사가 필요하거나 치과질환, 관절 및 인대의 탈구, 염좌 등과 같이 자가 진단 시스템으로 진단하기 부적절한 질병을 제외한 46종을 선정한다[6,7].
- 제안된 퍼지논리를 이용한 자가진단 시스템에서 적용된 증상과 질병은 각각 46종과 168가지이며 세부사항을 도출하기 위해 추가된 각 질병의 중요 사항은 120가지이다. 본 논문에서 제안한 자가진단 시스템에서 증상을 선택하여 질병이 도출된 화면은 그림 11과 같다.
- 그림 12과 13은 각각 기존 ART2 알고리즘을 이용한 진단 결과[9]와 제안된 지능형 자가 진단 시스템의 진단 결과이다. 증상은 각각 결림, 귀의 충만감, 난청, 발열, 이통, 진물을 선택하여 외이도염이 도출된 결과 화면과 설사, 점액섞인 혈변, 주당 3회 미만의 배변을 선택하여 대장염이 도출된 결과 화면을 나타내었다.
이론/모형
- 본 논문에서는 ART2 알고리즘을 이용하여 가능성이 높은 질병을 추출한다. 추출된 질병은 더욱 세부적이고 정확한 정보를 얻기 위해 판별이 힘든 정보를 퍼지 논리를 이용하여 단순한 질병 도출에서 더욱더 정확하고 세부적인 정보와 치료법을 사용자가 확인할 수 있도록 결과를 도출한다.
- 본 논문의 자가 진단 시스템은 ART2 알고리즘을 적용하여 도출된 질병의 세부사항에 영향을 미칠 수 있는 중요 사항과 의심되는 다른 질병의 초기 증상을 사용자에게 보여주어 자신의 증상의 정도를 입력할 수 있도록 한다. 사용자로부터 입력된 증상 정도를 ART2 알고리즘을 적용하여 질병을 도출한 후에 중요 사항별로 미리 설계된 퍼지 소속 함수에 적용한다. 이때 퍼지 소속 함수에 적용하여 출력된 값을 소속도라 하며, 소속도를 제시된 퍼지 추론 법칙에 적용하여 질병의 세부사항을 도출한다.
성능/효과
- 그림 15는 본 논문에서 제시한 퍼지 논리를 이용한 감기 질병에 대한 결과 도출 화면이다. 감기에 대하여 그림 14와 비교하면 본문에서 제안된 방법은 감기에 해당하는 증상에 대하여 나이, 지속 기간, 체온 등과 같은 세부 사항을 퍼지 소속 함수에 적용하고 추론하여 질병의 증상에 대한 세부 사항을 도출하여 기존의 방법보다 질병 진단의 정확성이 높아졌다. 그림 15는 중요 증상인 나이의 입력을 5살로 주었을 경우에 소아로 구분되어 그에 따른 결과와 증상 및 예방법을 제시하여 환자에게 더 정확하고 실질적인 도움이 될 수 있는 것을 확인할 수 있다.
- 또한 단순한 증상의 선택만으로 질병을 진단하므로 증상이 나타난 기간, 증상의 변화 등과 같은 중요한 요인들을 진단에 적용하지 못하였다. 그러나 본 논문에서는 제안된 ART2 알고리즘의 출력값 계산식을 자가진단에 적용하여 질병 도출의 정확성을 개선하였고 퍼지 논리를 적용하여 중요 사항을 진단에 적용하고 질병의 증상에 대해 보다 세부적인 사항을 도출하였다. 그러나 일방적인 질문 방식 시스템으로는 사용자가 느끼지 못하는 증상을 놓쳐 질병 도출의 정확성이 떨어질 수 있다.
- 그림 13과 같이 대장염이 도출된 결과에서 대장염의 모든 증상이 제시되지는 않았지만 자가진단에 효과적인 출력값 계산식을 적용한 지능형 자가 진단 시스템의 진단 결과가 기존의 자가 진단 시스템에서 보다 진단의 정확성이 개선된 것을 확인 할 수 있다.
- 하지만 사람에게 발병될 수 있는 질병의 수는 많지만 실제 질병에 속하는 증상은 5∼7개 정도 밖에 되지 않기 때문에 전체 뉴런을 대상으로 하면 연결강도와 입력뉴런 모두 0인 경우가 많이 발생하므로 정확히 질병들이 분류되지 않는다. 따라서 제안된 자가 진단 시스템에서 ART2의 학습과정은 그림 6과 같이 기존의 ART2알고리즘과 동일하지만, 최종 질병 도출 과정은 기존의 자가 진단 방법의 문제점과 질병의 증상의 특징을 고려하여 중간층의 출력값을 식 (2)와 같이 계산하여 질병들을 분류하는 정확성을 높인다.
- 또한 외이도염이 도출된 결과에서는 기존의 자가 진단 방법에서 2번째로 도출 되었던 대장염 보다 연관성이 높은 내이염이 2번째로 도출되어 기존의 자가 진단 방법에 비해 신뢰도가 개선되었음을 확인할 수 있다.
후속연구
- 따라서 향후 연구 과제는 사용자 스스로가 느끼지 못하는 내부적인 질환이나 미세한 증상을 분석할 수 있도록 유도할 수 있는 질의응답 방식의 인공지능형적인 접근 방법을 연구하여 더욱더 현실적인 지능형 자가진단 시스템으로 확장할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.