인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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
- 저자정보
피인용 0
초록·키워드
현대 사회의 급격한 고령화와 암 발생률 증가 추세 속에서, 주요 사망 원인인 대장암의 생존 예측 성능 비교는 중요한 연구 주제이다. 특히, 의료 데이터의 급증과 인공지능 기술 발전에 발맞춰, 부산광역시 대장암 데이터를 활용한 다양한 생존 분석 도구의 성능 비교 평가는 지역 기반의 의미 있는 연구이다. 이에 본 연구에서 최근 24년간(2000년 1월 1일~ 2023년 12월 31일) 부산광역시 대장암 데이터를 활용하여, 층화 Cox 모형(stratified Cox model), 기계 학습 기반 생존 분석 모형인 랜덤 생존 포레스트(random survival forest, RSF), 생존 XGBoost(survival XGBoost) 그리고 딥러닝 기반의 생존 분석 모형인 DeepSurv를 구축하고 생존 예측 성능을 비교 평가한다. 모형의 객관적인 성능 평가를 위해 반복 K-겹 교차검증(5-겹 교차 검증 5회 반복)을 적용하며, 생존 분석의 주요 성능 지표인 C-지수(C-index)와 통합 브리어 점수(integrated brier score, IBS)의 평가 지표를 사용하여 생존 예측 성능을 종합적으로 평가한다. 더 나아가, 실제 임상 환경에서의 중요성을 반영하여 대장암의 치료 효과를 핵심 변수로 고려한다. 다양한 치료 방법을 계층변수로 통합하여 분석함으로써, 각 치료 방법 내에서의 생존 예측 정밀도를 높이고, 치료 방법 간 예측 성능 차이 및 치료 전략의 복합적인 영향을 분석하고자 한다. 이는 향후 대장암의 맞춤형 치료법 개발 및 예후 예측 모형 구축에 필수적인 통찰력을 제공할 것으로 기대된다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094295275
