자기조직화지도 신경망을 활용한 의료 진단검사 결과 패턴인식 모델

Abstract

의학 및 생물학계에서 질병의 조기 선별이나 진단을 위해 인체에서 발생하는 각종 검체에 대해 다양한 진단검사가 시행되고 있고, 진단검사 결과 데이터는 질환을 표지하는 정보를 가지고 있기에 정확한 분석과 해석이 수행되어야 한다. 의료기관에서 수행하는 다양한 유형의 의료 진단검사로부터 발생하는 대용량 데이터를 최적의 분석 방법을 활용하여 정보 및 지식화 함으로써 이를 기준으로 양질의 의료서비스를 제공할 수 있는 기반을 구축할 필요가 있고 최근 이러한 노력이 수행되고 있다. 본 연구는 의료 진단검사 결과 데이터에 존재하는 검사결과 패턴들을 추출하고 분류하여, 의료진의 신속․정확한 의사결정과 종합적인 통찰력 향상을 지원할 수 있는 의료 진단검사 결과 패턴인식 모델을 제안한다. 제안 모델의 1단계에서는 자기조직화지도 신경망을 활용하여 의료 검사 데이터에 존재하는 유의한 진단검사 결과 패턴들을 추출한다. 최적의 진단검사 결과 패턴만을 추출하기 위해, 본 연구에서 제안한 모델에서는 Davies-Bouldin 지수를 산출하여 최적의 패턴 수를 결정하고 이를 반영하여 자기조직화지도 신경망을 사용하여 패턴을 추출한다. 제안 모델의 2단계에서는 신규 수진자의 진단검사 결과 데이터가 발생하면 1단계에서 추출했던 최적의 진단검사 결과 패턴들과의 내적 값을 산출하여 유사도 수준을 규명하여 신규 수진자의 진단검사 결과 패턴으로 분류한다. 본 연구에서 제안한 패턴인식 모델을 국내에서 다양한 의료 진단검사를 수행하는 의료기관에서 수행한 89종의 혈액 진단검사 데이터 집합에 적용함으로써 실무 적용의 타당성을 검증하였다. 제안 모델의 적용을 통해, 우선적으로 수진자의 성별과 연령대별로 존재하는 89종 혈액 검사결과 패턴들을 추출하였다. 이를 통해, 성별과 연령대별로 유의하게 존재하는 89종 혈액 검사의 중요한 특징과 경향 및 수진자 개별로 존재하는 특징 및 경향이 무엇인지 쉽게 확인할 수 있었다. 또한, 추출한 진단검사 결과 패턴들을 기준으로 신규 수진자의 혈액 검사 데이터를 패턴 매칭함으로써, 신규 수진자의 진단검사 결과 패턴을 분류하였다. 이와 같은 결과로부터, 본 연구에서 제안한 진단검사 결과 패턴인식 모델이 의료기관에서 발생하는 대용량 데이터의 분석 및 가공을 통해 의료기관의 의료 정보 및 지식 관리 실무에 효과적으로 활용될 수 있음을 확인할 수 있었다. 본 연구는 Davies-Bouldin 지수와 자기조직화지도 신경망의 논리적인 연계 활용과 자기조직화 신경망 기반의 지식 추출 및 지식 활용 과정을 구체적으로 제시하는 패턴인식 모델을 검증하였다는 점에서 학술적 의의가 있다.