[논문]데이터마이닝 기법을 이용한 수술후 환자 진단

이경영; 이주철; 박순철

데이터마이닝 기법을 이용한 수술후 환자 진단
Application of Data Mining Techniques To postoperative patient Condition Diagnostic Predictions 원문보기

이경영 (전북대학교 정보통신공학과) , 이주철 (전북대학교 정보통신공학과) , 박순철 (전북대학교 정보통신공학과)

정보화를 통한 업무의 효율성 제고에 대한 인식이 폭넓게 확산돼 있다. 의료분야에서도 비교적 단순한 원무관리 시스템이나 환자의 증상이나 각종 자료 등을 기록하고 의료진간의 공유를 가능하게 하는 전자의료기록 관리시스템의 구축이 필요하다. 또한 이들 시스템을 통하여 획득한 환자의 자료를 분석하여 의료진의 환자질병진단을 지원하고자 하는 연구가 활발히 진행되고 있다. 본 논문에서는 의료자료 분석에 요구되는 기법을 제시하며, 획득한 환자의 자료를 데이터마이닝 기법인 신경망 모델을 적용하여 결과를 분석한다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구의 목적은 전자의료기록 관리시스템의 지원 환경 하에서 데이터마이닝 기법을 활용하여 환자의 인적, 병력, 증상, 의료검사자료와 질병간에 존재하는 패턴을 추출하여 의료진의 정확한 질병 진단이나 예후를 가능하게 한다. 또한 의료자료를 신경망 모델에 적용하여 결과를 분석하는데 있다.

제안 방법

데이터마이닝 기법을 활용하여 환자의 인적, 병력, 증상, 의료검사자료와 질병간에 존재하는 패턴을 추출하여 의료진의 정확한 질병 진단을 가능하게 하고 의료업계에 품질 향상을 꾀하는 방법을 제시하였다. 그러나 자료수집의 어려움으로 인해 국외 자료를 사용하였고, 신경망 기법을 통한 질병진단 및 예후에 관한 결과가 실제 의료진들의 진단결과와 비교하지 못함으로 인해 보다 객관적인 연구결과를 제시하지 못하였다.
예를 들어 첫 번째 진단이 될 수도 있고 처방이 정해진 후 그 결과를 검토한 다음에 내려질 수도 있신경망은 인간 두뇌의 신경세포를 모델링하여 지능을 구현하는 기법이다. 사람의 뇌처럼 신경망은 Input set에서 학습을 하고, 패턴을 찾기 위해 학습 결과를 모델의 파라미터를 조정하는데 사용한다. 신경망은 비선형 기법이지만 비선형 회귀분석처럼 특정한 설정이 필요 없다.
2단계는 지식탐사 (KDD)절차를 통해 데이터 정제 및 변환한다. 이때 신경망 기법을 이용하여 반복학습을 통해 패턴을 찾아 지식을 추출하고 예측률 및 오류율을 측정한다. 마지막 해석 평가 단계에서는 데이터마이닝을 통하여 얻어진 지식을 해석하며 기존의 지식과 상충되는지 비교하여 이를 해결한다.
환자의 진단자료를 모형추정용(Training), 모형검증용(Validation), 모형시험용(Testing) 자료를 구성하였으며, 결과의 일반화를 도모하기 위해 진단자료를 13회 반복학습을 했으며, 진단자료의 연속형 변수의 빈 값은 평균값을 대입해 처리하였다.

대상 데이터

University Of California At Irvine의 부속기관인 Machine Learning Center에서 관리하는 의료 관련 자료를 사용했으며 구체적인 자료별 입력/목표변수와 특성을 [표 2]에 서술하고 있다.

성능/효과

7%로 높게 나왔다. 본 논문에 사용된 의료자료는 위에서 제시한 자료의 성격에 나타난 것처럼 긴급을 요하는 환자의 자료가 누락되었으며, 입력변수에 대한 목표변수 A 와 S가 유사하기 때문에 목표변수 A와 S에 대한 보다 정확한 예측률이 떨어진 결과이다. 신경망은 목표변수만을 제시하는 단순한 블랙박스로서 목표변수에 어떻게 도달하는 것에 대한 과정을 제시하지 못하고 있다.
목표변수 1(2회 반복 학습)의 자료가 미비하기는 하나 자료를 분석하여보면 대부분의 Attribute들이 정상범위를 벗어나 환자들이 저 체온증과 고혈압 증상을 보이고 있다는 결과가 나타냈다. 연구결과 수술후 환자의 몸 상태가 저체온증과 고(저)혈압이 있는 환자일수록 관심도가 높다는 규칙을 발견하였다. 또한 사용되어진입력변수 LTV와 COMFORT에 대해서는 아무런 영향을 미치지 않았다.

후속연구

제시하였다. 그러나 자료수집의 어려움으로 인해 국외 자료를 사용하였고, 신경망 기법을 통한 질병진단 및 예후에 관한 결과가 실제 의료진들의 진단결과와 비교하지 못함으로 인해 보다 객관적인 연구결과를 제시하지 못하였다.
앞으로의 과제는 자료분석을 위해서 다양한 기법들(로지스틱 회귀분석, 의사결정나무)을 적용하여 비교/분석함으로서 각각의 기법들의 강점과 한계 등을 살펴보는 것이 연구의 효율성과 신뢰도의 제고를 위해 필수적이다.

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

데이터마이닝 기법을 이용한 수술후 환자 진단
Application of Data Mining Techniques To postoperative patient Condition Diagnostic Predictions 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

데이터마이닝 기법을 이용한 수술후 환자 진단 Application of Data Mining Techniques To postoperative patient Condition Diagnostic Predictions 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

데이터마이닝 기법을 이용한 수술후 환자 진단
Application of Data Mining Techniques To postoperative patient Condition Diagnostic Predictions 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper