[논문]생존분석에서의 기계학습

백재욱

doi:10.21186/ipr.2022.7.1.001

초록
AI-Helper

본 논문은 중도중단 데이터가 포함된 생존데이터의 경우 적용할 수 있는 기계학습 방법에 대해 살펴보았다. 우선 탐색적인 자료분석으로 각 특성에 대한 분포, 여러 특성들 간의 관계 및 중요도 순위를 파악할 수 있었다. 다음으로 독립변수에 해당하는 여러 특성들과 종속변수에 해당하는 특성(사망여부) 간의 관계를 분류문제로 보고 logistic regression, K nearest neighbor 등의 기계학습 방법들을 적용해본 결과 적은 수의 데이터이지만 통상적인 기계학습 결과에서와 같이 logistic regression보다는 random forest가 성능이 더 좋게 나왔다. 하지만 근래에 성능이 좋다고 하는 artificial neural network나 gradient boost와 같은 기계학습 방법은 성능이 월등히 좋게 나오지 않았는데, 그 이유는 주어진 데이터가 빅데이터가 아니기 때문인 것으로 판명된다. 마지막으로 Kaplan-Meier나 Cox의 비례위험모델과 같은 통상적인 생존분석 방법을 적용하여 어떤 독립변수가 종속변수 (t_i, δ_i)에 결정적인 영향을 미치는지 살펴볼 수 있었으며, 기계학습 방법에 속하는 random forest를 중도중단 데이터가 포함된 생존데이터에도 적용하여 성능을 평가할 수 있었다.

Abstract ▼ AI-Helper

We investigated various types of machine learning methods that can be applied to censored data. Exploratory data analysis reveals the distribution of each feature, relationships among features. Next, classification problem has been set up where the dependent variable is death_event while the rest of...

We investigated various types of machine learning methods that can be applied to censored data. Exploratory data analysis reveals the distribution of each feature, relationships among features. Next, classification problem has been set up where the dependent variable is death_event while the rest of the features are independent variables. After applying various machine learning methods to the data, it has been found that just like many other reports from the artificial intelligence arena random forest performs better than logistic regression. But recently well performed artificial neural network and gradient boost do not perform as expected due to the lack of data. Finally Kaplan-Meier and Cox proportional hazard model have been employed to explore the relationship of the dependent variable (ti, δi) with the independent variables. Also random forest which is used in machine learning has been applied to the survival analysis with censored data.

주제어

표/그림 (9)

그림 Figure 1. 두 특성 간 상관관계를 나타내는 heatmap
그림 Figure 2. Frequency or probability density function of age
그림 Figure 3. Distribution of age by sex(sex 0: 여자, sex 1: 남자)
그림 Figure 4. Distribution of age by sex and death_event
그림 Figure 5. 여러 기계학습 모델의 성능: 정확도
표 Table 1. confusion matrices for various types of machine learning
그림 Figure 6. 시간에 따른 생존확률의 추이(3가지 방법)
표 Table 2. Cox의 비례위험 모델 적용 결과
표 Table 3. RSF 모델 적용 결과

참고문헌 (16)

Chung, C., Schmidt, P. and Witte, A. (1991). Survival analysis: A survey. Journal of Quantitative Criminology, 7(1), 59-98.

상세보기
Kleinbaum, D. G. and Klein, M. (2006). Survival analysis: A self-learning text. Springer Science & Business Media.
Wang, P., Li, Y. and Reddy, C. K. (2019). Machine learning for survival analysis: A Survey. ACM computing Surveys, 51(6), 1-36.

상세보기
Cruz, J. A. and Wishart, D. S. (2006). Applications of machine learning in cancer prediction and prognosis. Cancer informatics, 2.
Kourou K. et al. (2015). Machine learning applications in cancer prognosis and prediction. Computational and Structural Biotechnology Journal, 13, 8-17.

상세보기
WHO. (2016). Fact sheet on CVDs. Gloval Hearts. World Health Organization.
Ahmad, T. et al. (2017). Survival analysis of heart failure patients: A case study. PloS ONE, 12(7).

상세보기
Chicco, D and Jurman, G. (2020). Machine learning can predict survival of patients with heart failure from serum creatinine and ejection fraction alone. BMC Medical Informatics and Decision Making 20(16).
Al'Aref S. J. et al. (2019). Clinical applications of machine learning in cardiovascular disease and its relevance to cardiac imaging. European Heart Journal, 40(24), 1975-1986.

상세보기
Dunn W. B. et al. (2007). Serum metabolomics reveals many novel metabolic markers of heart failure, including pseudouridine and 2-oxoglutarate. Metabolomics, 3(4), 413-426.

상세보기
Ambale-Venkatesh B. et al. (2017). Cardiovascular event prediction by machine learning: the multi-ethnic study of atherosclerosis. Circr Res., 121(9), 1092-1101.

상세보기
Panahiazar M. et al. (2015). Using EHRs and machine learning for heart failure survival analysis. Stud Health Technol Informat., 216, 40-44.
Ahmad T. et al. (2018). Machine learning methods improve prognostication, identify clinically distinct phenotypes, and detect heterogeneity in response to therapy in a large cohort of heart failure patients. Journal of American Heart Association, 7(8).
Krittanawong C. et al. (2019). Deep learning for cardiovascular medicine: A practical primer. European Heart Journal, 40, 2058-2073.

상세보기
Bello G. A. et al. (2019). Deep learning cardiac motion analysis for human survival prediction. Nature Machine Intelligence, 1, 95-104.

상세보기
Ishwaran, H. et al. (2008). Random Survival Forests. The Annuals of Applied Statistics, 2, 841-860.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

생존분석에서의 기계학습
Machine learning in survival analysis 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9)

표/그림 (9)

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

생존분석에서의 기계학습 Machine learning in survival analysis 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (9) 모든 표/그림 보기

표/그림 (9) 슬라이드로 보기

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

백재욱 (36)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

생존분석에서의 기계학습
Machine learning in survival analysis 원문보기

초록
AI-Helper

표/그림 (9)

표/그림 (9)