지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2019.11
- 수록면
- 444 - 463 (20page)
이용수
초록· 키워드
오류제보하기
본 연구에서는 갑상선암 재발의 임상 병리학적(Clinicopathology) 위험 요소(Risk Factor)를 식별하고, 갑상선 절제술을 받은 환자의 재발가능성 모니터링에 활용할 수 있는 예측 모델을 생성하기 위한 데이터분석 프로세스 제안함.
분석을 위해서 강남 세브란스 연세대학교 의과 대학에서 2009년 1월부터 2010년 6월 사이에 수집한 갑상선암 환자 758명에 대한 데이터를 활용함. 전처리 단계에서, 데이터 불균형 문제(Class imbalance problem)와 호르몬 수준을 indexing을 위한 오버 샘플링 방법인 SMOTE-NC(Synthetic Minority Over-sampling Technique - Nominal Continuous) 및 인자 추출 기법 주성분 분석(Principal Component Analysis) 사용됨. 전체 프로세스는 두 가지 목적으로 구성됨: [1] 의사결정트리 모델을 사용한 갑상선암 재발의 임상 병리학적 위험 요소 추출. [2] 기계학습 예측모델(Nearest Neighbors, Gaussian Process, Random Forest, Neural Net, AdaBoost, Naïve Bayes)을 활용한 갑상선암 재발 예측모델 개발.
결론적으로, 재발가능성이 높은 환자와 그렇지 않은 환자의 특성을 정의할 수 있었음: 림프 중심 비율＞ 0.62, 결절 ＞ 0.75㎝, 키＜174.85cm인 환자의 90 % 재발, 10 %는 재발하지 않음. 또한, 성능 비교를 통해서, 샘플링된 데이터와, 호르몬 index를 사용한 Gaussian Process가 우수한 예측 성능 (AUC: 0.982)과 효율성을 보이는 것으로 확인되었음.
본 연구는 다양한 머신러닝 기법을 의료분야에 적용한 사례로, 데이터의 특성과 목적에 맞는 적절한 모델링 프로세스를 제안하였음. 제안한 프로세스는 임상의가 이해하기 쉬운 해석 가능한 모델부터 예측 성능이 뛰어난 모델을 활용하여 의미 있는 결과를 도출하였음.
분석을 위해서 강남 세브란스 연세대학교 의과 대학에서 2009년 1월부터 2010년 6월 사이에 수집한 갑상선암 환자 758명에 대한 데이터를 활용함. 전처리 단계에서, 데이터 불균형 문제(Class imbalance problem)와 호르몬 수준을 indexing을 위한 오버 샘플링 방법인 SMOTE-NC(Synthetic Minority Over-sampling Technique - Nominal Continuous) 및 인자 추출 기법 주성분 분석(Principal Component Analysis) 사용됨. 전체 프로세스는 두 가지 목적으로 구성됨: [1] 의사결정트리 모델을 사용한 갑상선암 재발의 임상 병리학적 위험 요소 추출. [2] 기계학습 예측모델(Nearest Neighbors, Gaussian Process, Random Forest, Neural Net, AdaBoost, Naïve Bayes)을 활용한 갑상선암 재발 예측모델 개발.
결론적으로, 재발가능성이 높은 환자와 그렇지 않은 환자의 특성을 정의할 수 있었음: 림프 중심 비율＞ 0.62, 결절 ＞ 0.75㎝, 키＜174.85cm인 환자의 90 % 재발, 10 %는 재발하지 않음. 또한, 성능 비교를 통해서, 샘플링된 데이터와, 호르몬 index를 사용한 Gaussian Process가 우수한 예측 성능 (AUC: 0.982)과 효율성을 보이는 것으로 확인되었음.
본 연구는 다양한 머신러닝 기법을 의료분야에 적용한 사례로, 데이터의 특성과 목적에 맞는 적절한 모델링 프로세스를 제안하였음. 제안한 프로세스는 임상의가 이해하기 쉬운 해석 가능한 모델부터 예측 성능이 뛰어난 모델을 활용하여 의미 있는 결과를 도출하였음.
목차
등록된 정보가 없습니다.
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
멀티모달 오토인코더를 활용한 갑상선암 재발 예측
한국정보과학회 학술발표논문집
2021 .12
-
유사도 손실 기반의 오토인코더를 활용한 갑상선 암 환자의 재발 가능성 예측
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
임상데이터 정보추출 자동화를 위한 트랜스포머 기반 임상병리검사 결과지 분석 알고리즘
전자공학회논문지
2022 .03
-
국내 갑상선암 연구 주제 동향 분석
한국컴퓨터정보학회 학술발표논문집
2019 .01
-
k-NN 기반 교통 속도 예측 모델의 성능 최적화를 위한 학습 데이터 선별
한국지능정보시스템학회 학술대회논문집
2015 .05
-
AI 기반 지하수 예측 모델의 비교와 분석
한국컴퓨터정보학회 학술발표논문집
2025 .01
-
딥러닝 기술을 기반으로 한 간암 재발 예측에 관한 연구
한국통신학회 학술대회논문집
2019 .01
-
표현 학습 기법을 활용한 프로세스 모델 임베딩 기법 개발
대한산업공학회 춘계공동학술대회 논문집
2023 .05
-
딥 러닝 기반 순환종양세포를 이용한 폐암 재발 예측
대한기계학회 춘추학술대회
2020 .08
-
리포트 - 원전 주변 주민과 갑상선암 발생에 관한 과학적 분석
원자력산업
2015 .01
-
딥러닝 기반 간선도로의 단기이동속도 예측 연구
대한교통학회 학술대회지
2021 .11
-
신뢰도 예측 프로세스 개선
한국신뢰성학회 학술대회논문집
2020 .07
-
전이학습을 활용한 전력 발전 예측에 관한 연구
한국통신학회 학술대회논문집
2021 .02
-
임상정보 기반의 COVID-19 환자들의 중증도 예측 모델
한국방송미디어공학회 학술발표대회 논문집
2024 .11
-
딥러닝 기반 인지질 복합체 제형 예측
한국통신학회 학술대회논문집
2022 .02
-
빅데이터를 이용한 월별 태양광 발전예측모델 개발
대한전기학회 학술대회 논문집
2020 .11
-
프로세스 마이닝과 예측모델을 활용한 고객여정 분석 및 도출
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
채널 변화 및 빔 형성 예측을 위한 사전학습 모델 활용
한국통신학회지(정보와통신)
2025 .03
-
인공 신경망(Artificial neural network)을 이용한 대장암 재발 예측
대한전자공학회 학술대회
2017 .11
-
스마트 공장에서 빅데이터를 활용한 다중회귀분석을 통해 제조 데이터 예측 모델의 검증
대한산업공학회 춘계공동학술대회 논문집
2023 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
다중 기관에서의 디지털 병리 암 분화도 예측을 위한 멀티 태스크 기반 단일 모델 학습
임종우
,
신상혁
,
강동연
외 3명
대한전자공학회 학술대회
2023
.11
디지털 병리 대장암 진단을 위한 삼중항 손실을 이용한 심층 메트릭 학습
이재웅
,
김경은
,
송보람
외 7명
대한전자공학회 학술대회
2022
.11
식물 유래 항암제와 생산 개선을 위한 식물 합성생물학 연구 동향
박소영
,
박상규
,
Vimal
외 5명
한국약용작물학회지
2022
.12
딥러닝 기반의 CT 이미지를 활용한 비소세포 폐암 내 종양 검출
최정민
,
공영빈
,
김지현
외 2명
한국정보과학회 학술발표논문집
2021
.12
차량 데이터 기록장치 및 자율주행 교통사고 분석기술 동향
조민제
교통기술과정책
2021
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-530-001293576