[논문]건강보험 청구 데이터를 활용한 머신러닝 기반유방암 환자의 생존 여부 예측

이덕규; 변경근; 이형동; 신선희

doi:10.9723/jksiis.2023.28.2.001

건강보험 청구 데이터를 활용한 머신러닝 기반유방암 환자의 생존 여부 예측
The Prediction of Survival of Breast Cancer Patients Based on Machine Learning Using Health Insurance Claim Data 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.28 no.2, 2023년, pp.1 - 9

이덕규 (숭실대학교 IT정책경영학과) , 변경근 (숭실대학교 IT정책경영학과) , 이형동 (숭실대학교 IT정책경영학과) , 신선희 (강남대학교 교육학과)

초록
AI-Helper

유방암 관련 기존 AI 연구는 보조적인 진단 예측이나 임상적 요인에 따른 진료 결과를 예측하는 주제가 많았다. 또한 연구기관의 코호트 자료나 일부 환자 자료를 이용하는 경우가 대부분이었다. 본 논문에서는 건강보험심사평가원이 보유하고 있는 전 국민 유방암 환자의 전수 데이터를 활용하여 유방암 환자의 40~50대와 다른 연령대 간의 생존 여부 예측과 생존 여부에 미치는 요인의 차이점을 분석했다. 그 결과, 환자들의 생존 여부 예측 정밀도는 40~50대가 평균 0.93으로 60~80대 0.86 보다 높았으며, 요인에 있어서도 40~50대는 치료횟수(46%)가, 60~80대는 나이(32%)의 변수 중요도가 제일 높았다. 기존 연구와 성능 비교 결과, 평균 정밀도가 0.90으로 기존 논문의 정밀도 0.81보다 높았다. 적용 알고리즘별 성능 비교 결과, 의사결정나무(Decision Tree), 랜덤포레스트(Random Forest) 및 그래디언트부스팅(Gradient Boosting)의 전체 평균 정밀도는 0.90, 재현율은 1.0으로 연령대 그룹 내에서 동일하였으며, 다층퍼셉트론(Multi-Layer Perceptron)의 정밀도는 0.89, 재현율은 1.0 이었다. 심평원의 전 국민 심사청구 빅데이터 가치 활용을 제고하기 위해 비전문가용 머신러닝 자동화(Auto ML) 도구를 사용한 더 많은 연구가 진행되기를 바란다.

Abstract ▼ AI-Helper

Research using AI and big data is also being actively conducted in the health and medical fields such as disease diagnosis and treatment. Most of the existing research data used cohort data from research institutes or some patient data. In this paper, the difference in the prediction rate of survival and the factors affecting survival between breast cancer patients in their 40~50s and other age groups was revealed using health insurance review claim data held by the HIRA. As a result, the accuracy of predicting patients' survival was 0.93 on average in their 40~50s, higher than 0.86 in their 60~80s. In terms of that factor, the number of treatments was high for those in their 40~50s, and age was high for those in their 60~80s. Performance comparison with previous studies, the average precision was 0.90, which was higher than 0.81 of the existing paper. As a result of performance comparison by applied algorithm, the overall average precision of Decision Tree, Random Forest, and Gradient Boosting was 0.90, and the recall was 1.0, and the precision of multi-layer perceptrons was 0.89, and the recall was 1.0. I hope that more research will be conducted using machine learning automation(Auto ML) tools for non-professionals to enhance the use of the value for health insurance review claim data held by the HIRA.

주제어

표/그림 (16)

그림 Fig. 1 A Research Model
표 Table 1 Number of Medical Claim
표 Table 2 Research Datasets Variable
표 Table 3 Description of Main Disease Code
표 Table 4 Algorithm Description
표 Table 5 Performance Evaluation Indicator(PEI)
표 Table 6 The Whole Age Group PEI Results
표 Table 7 The Whole Age Group Analysis of Factors Affecting Survival Rate(DT)
표 Table 8 The Whole Age Group Independent Variable Importance(MLP)
표 Table 9 40 to 59 years old Group PEI Results
표 Table 10 40 to 59 years old Group Analysis of Factors Affecting Survival Rate(DT)
표 Table 11 40 to 59 years old Group Independent Variable Importance(MLP)
표 Table 12 60 to 89 years old Group PEI Results
표 Table 13 60 to 89 years old Group Analysis of Factors Affecting Survival Rate(DT)
표 Table 14 60 to 89 years old Group Independent Variable Importance(MLP)
표 Table 15 PEI Comparision

참고문헌 (13)

Adam, Y., Constance, L., Tal, S., Tally, P. and？Regina, B. (2019). A Deep Learning？Mammography-based Model for Improved？Breast Cancer Risk Prediction, Radiology, 292,？60-66. https://doi.org/ 10.1148/radiol.2019182716.

상세보기
Ayelet, A. B. Michal, C., Yoel, S. ... Adam, S.？(2019). Predicting Breast Cancer by Applying？Deep Learning to Linked Health Records and？Mammograms, Radiology, 292, 331-342.

상세보기
Byun, K. K., Lee, D. G. and Shin, Y. T. (2022). A？Study on the Prediction of Mortality Rate after？Lung Cancer Diagnosis for the Elderly in their？80s and 90s Based on Deep Learning, Annual？Spring Conference of KIPS, 29(1), 452-455.
Choi, H. N., Kim, M. R., Lee, J. H., Kim, H. J.？and Kim J. E. (2021). AI development data？research for breast cancer screening diagnosis,？Proceedings of KIIT Conference 2021(11),？633-636.
Keping, Y. Liang, T. Long, L. Xiaofan, C.？Zhang, Y. and Takuro, S. (2021).？Deep-Learning-Empowered Breast Cancer？Auxiliary Diagnosis for 5GB Remote E-Health,？IEEE wireless communications, June, 54-61.
Kang, S. A., Kim, S. H., and Ryu, M. H. (2022).？Analysis of Hypertension Risk Factors by Life？Cycle Based on Machine Learning, Journal of？the KIISR, 27(5), 73-82.
Kim, G. G., Lim, E. T. and Kim, J. H. (2022).？Easily develop AI models with the AutoML？platform WiseP ropet, Seoul, Cheongram.
Lee, M. S. (2020). Development of a prediction？model for prognosis of triple-negative breast？cancer based on deep learning using pathology？images, Ph.D. Thesis, Graduate School of Ulsan？University, Ulsan.
Ministry of Heath and Welfar. (2021). Cancer regstry statistics, Sejong
National Cancer Center. (2021). Cancer Monitoring？Indicator.
Ryu, J. H. Hong, S. H. Park, H. G. Kim, D. M.？Kim, S. J. and Park, S. J. (2017). Application？of Machine Learning Techniques to Predict？Stroke Diseases in Older Adults, The Spring？Conference of KOSES, 42-42.
The Yakup. (2022). Analysis by age by cancer？type in 2019, https://www.yakup.com (Accessed？on March. 11th, 2022)
Yun, S. O., Jung, J. G., Wo, H. G. and Kim, J.？E. (2022). Breast Cancer Survival Prediction:？Model Comparison and Effect of Genetic？Features, Database Research, 38(1), 3-15.

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