[논문]빅데이터 활용 의학·바이오 부문 사업화 가능 기술 연구

이봉문; 남가영; 강병철; 김치용

doi:10.9717/kmms.2022.25.2.345

빅데이터 활용 의학·바이오 부문 사업화 가능 기술 연구
Research on the development of demand for medical and bio technology using big data 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.25 no.2, 2022년, pp.345 - 352

이봉문 (CKU center for health policy research., Catholic Kwandong University) , 남가영 (CKU center for health policy research., Catholic Kwandong University) , 강병철 (D.iF,Inc., Byeong-Chul Kang) , 김치용 (Major of Game Engineering, Dong-Eui University)

Abstract ▼ AI-Helper

Conducting AI-based fusion business due to the increment of ICT fusion medical device has been expanded. In addition, AI-based medical devices help change existing medical system on treatment into the paradigm of customized treatment such as preliminary diagnosis and prevention. It will be generally promoted to the change of medical device industry. Although the current demand forecasting of medical biotechnology commercialization is based on the method of Delphi and AHP, there is a problem that it is difficult to have a generalization due to fluctuation results according to a pool of participants. Therefore, the purpose of the paper is to predict demand forecasting for identifying promising technology based on building up big data in medical biotechnology. The development method is to employ candidate technologies of keywords extracted from SCOPUS and to use word2vec for drawing analysis indicator, technological distance similarity, and recommended technological similarity of top-level items in order to achieve a reasonable result. In addition, the method builds up academic big data for 5 years (2016-2020) in order to commercialize technology excavation on demand perspective. Lastly, the paper employs global data studies in order to develop domestic and international demand for technology excavation in the medical biotechnology field.

주제어

표/그림 (5)

그림 Fig. 1. The structure of the analysis method of new topics through big data analysis of academic literature.
그림 Fig. 2. Exploring the process of extracting a dictionary of terms from bibliographic information.
그림 Fig. 3. Flow chart of label method for predicting new topics.
그림 Fig. 4. Number of clusters (r)&Convergence according to the number of repetitions. (Distance between clusters) Graph.
그림 Fig. 5. Performance check of cluster method, Literature-cluster-repeated evaluation.

AI 본문요약
AI-Helper

제안 방법

본 논문의 분석 결과에서도 높은 비율로 출현했다. 본 논문에서는 이러한 바이어스를 고려한 통계적 방법은 어렵다고 판단하여 사전에 정의한 키워드로 COVID19관련 클러스터를 필터링 할 수 있는 옵션을 구성했다.

대상 데이터

본 논문에서 제안하는 학습 알고리즘의 라벨링 알고리즘의 효율성을 더 잘 검증하기 위해 시퀀스 데이터 처리에 적합한 4개의 기존 기계 학습 모델과 2개의 딥 러닝 모델을 포함한다. 6개의 서로 다른 기계학습 모델을 선택하여 실험을 설계하였다.
의학·바이오 부문의 국내 및 국제적 수요 기술 발굴 모델을 고도화하기 위해 글로벌 논문 데이터를 활용하였다.

이론/모형

문헌 패턴분석을 위해서 Bags of Words를 구성하 고 SVD, NMF와 같은 클러스터링 알고리즘을 적용 한다. 상세 분석대상으로 선정된 클러스터에 대해서 시간 연관성을 분석하였다.

성능/효과

특히 human pluripotentstem의 경우에는 2020년 대비 2021년도에 연구 과제수가 증가한 것으로 파악된다. 출판된연구논문을 바탕으로 신규성을 유추할 수 있는 방법을 시도하였고, 일부 주제들은 NTIS와 비교하여 신규성 또는 성장성을 파악하여 가능성을 확인할 수 있었다.

후속연구

본 논문의 분석결과를 통해 바이오 분야의 신규주제 탐색결과를 바탕으로 기존의 전문 패널의 기획 또는 연구자 집단의 수요조사를 보완하거나 중요도를 살펴 신규 과제의 지표로 활용할 수 있다. 또한본 결과를 연차별로 지속 활용할 경우, 세부 기술이 종합되는 경향을 알 수 있으므로 여러 분야의 기술이 글로벌하게 어떤 방향으로 융합되는지를 객관적으로 파악해 이를 향후 기술 융합의 전략 방향 설정에 활용할 수 있다.
본 논문의 분석결과를 통해 바이오 분야의 신규주제 탐색결과를 바탕으로 기존의 전문 패널의 기획 또는 연구자 집단의 수요조사를 보완하거나 중요도를 살펴 신규 과제의 지표로 활용할 수 있다. 또한본 결과를 연차별로 지속 활용할 경우, 세부 기술이 종합되는 경향을 알 수 있으므로 여러 분야의 기술이 글로벌하게 어떤 방향으로 융합되는지를 객관적으로 파악해 이를 향후 기술 융합의 전략 방향 설정에 활용할 수 있다.

참고문헌 (20)

Y. Kajikawa, J. Yoshikawa, Y. Takeda, and K. Takeda, "Tracking Emerging Technologies in Energy Research: Toward a Roadmap for Sustainable Energy," Technological Forecasting and Social Change. 75, pp. 771-782, 2008.

상세보기
K. Borner, C. Chen, and K.W. Boyack, "Visualizing Knowledge Domains," Annual Reivew of Information Science and Technology Vol. 37, pp. 179-255, 2003.
R.N. Kostoff, D.R Toothman, H.J Eberhart, and J.A. Humenik, "Text Mining Using Database Tomography and Bibliometrics: A Review," Technological Forecasting and Social Change Vol. 68, pp. 223-253, 2001.

상세보기
K.W. Boyack, B.N. Wylie, and G.S. Davidson, "Domain Visualization Using Vxinsight® for Science and Technology Management," Journal of the American Society for Information Science and Technology Vol. 53, pp. 764-774. 2002.

상세보기
C. Chen, T. Cribbin, R. Macredie, and S. Morar, "Visualizing and Tracking the Growth of Competing Paradigms: Two Case Studies". Journal of the American Society for Information Science and Technology Vol. 53, pp. 678-689, 2002.

상세보기
H. Small, "Tracking and Predicting Growth Areas in Science," Scientometrics, Vol. 68, pp. 595-610. 2006.

상세보기
Korea Health Industry Promotion Agency, Trends in the Use of Artificial Intelligence (AI), Korea Health Industry Promotion Agency, 2020.
N. Shibata, Y. Kajikawa, Y. Takeda, and K. Matsushima, "Detecting Emerging Research Fronts Based on Topological Measures in Citation Networks of Scientific Publications," Technovation, Vol. 28, pp. 758-775, 2008.

상세보기
W. Glanzel, "Bibliometric Methods for Detecting and Analysing Emerging Research Topics". El profesional de la informacion, pp. 194-201, 2012.
J.J Winnink and R.J.W. Tijssen, "Early Stage Identification of Breakthroughs at the Interface of Science and Technology: Lessons Drawn from a Landmark Publication," Scientometrics, Vol. 102, pp. 113-134, 2015.

상세보기
J. Kleinberg, "Bursty and Hierarchical Structure in Streams," Data Mining Knowledge Discovery Vol, 7, pp. 373-397, 2003.

상세보기
T. Chakraborty, S. Kumar, P. Goyal, N. Ganguly, and A. Mukherjee, "Towards a Stratified Learning Approach to Predict Future Citation Counts," Proceedings of the 14th ACM/IEEE-CS Joint Conference on Digital Libraries, pp. 351-360, 2014.
D. Wang, C. Song, and A.L. Barabasi, "Quantifying Long-Term Scientific Impact," Science, Vol. 342, pp. 127-132, 2013.

상세보기
H. Jiang, M. Qiang, and P.A. Lin, "Topic Modeling Based Bibliometric Exploration of Hydropower Research," Renewable and Sustainable Energy Reviews. Vol. 57, pp. 226-237. 2016.

상세보기
W. Liu, J. Zhang, and C. Guo, "Full-Text Citation Analysis: Enhancing Bibliometric and Scienific Publication Ranking," Proceedings of the 21st ACM International Conference on Information and Knowledge Management, pp. 1975-1979, 2012.
C.K Yau, A. Porter, N. Newman, A. Suominen, "Clustering Scientific Documents with Topic Modeling," Scientometrics, Vol. 100, pp. 767-786, 2014.

상세보기
F. Davletov, A.S Aydin, and A. Cakmak, "High Impact Academic Paper Prediction Using Temporal and Topological Features," Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Managemen, CIKM'14, pp. 491-498, 2014.
O. Kuusi and M. Meyer, "Anticipating Technological Breakthroughs: Using Bibliographic Coupling to Explore the Nanotubes Paradigm," Scientometrics, Vol. 70, pp. 759-777, 2007.

상세보기
C. Chen, Y. Chen, M. Horowitz, H. Hou, Z. Liu, and D. Pellegrino, "Towards an Explanatory and Computational Theory of Scientific Discovery," Journal of Informetrics. pp. 191-209, 2009.
S. Son and C. Park, "Design of Big Data Preference Analysis System," Journal of Korea Multimedia Society, Vol. 17, No. 11, pp. 1286-1295, 2014.

원문보기 상세보기

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