허혈성 심장질환 진단을 위한 기계 학습 알고리즘 비교 연구

Abstract

최근, 딥 러닝 기술과 함께 인공지능에 대한 연구가 활발히 진행되고 있고, 현세대의 인간은 그 본연의 능력을 넘어서는 수준의 데이터를 활용하고 있으며, 인공지능 기술을 통한 정확하고 효율적인 의사결정이 가능해지고 있다. 이에 따라, 인공지능 기술은 앞으로 인간의 편의와 안전을 위하여 모든 영역에 범용적으로 확산될 전망이다. 또한, 의료정보 분야에서는 점차 의료 지식 및 관련 데이터의 축적이 가속화되고 있고, 의료 빅데이터에 대한 통계적 또는 수학적 접근 방식이 활성화되고 있으며, 인공지능 기술을 통한 질환 진단 및 처방에 대한 연구가 활발히 진행되고 있다. 본 연구에서는 대표적인 심혈관 질환인 허혈성 심장질환을 연구 도메인으로 설정하고, 해당 질환의 진단을 위한 의료 전문가 시스템 내 활용 가능한 알고리즘과 효율적인 접근 방식을 비교 및 분석하여 제안한다. 구체적인 연구의 목적은, 기존 환자의 초진기록 데이터를 바탕으로 의료 전문가 및 의사를 보조하는 것으로, 허혈성 심장질환에 대한 인과 관계 설명에 도움을 주고, 불필요한 관련 검사를 최소화한다는 데에 그 의미가 있다. 또한, 실험 데이터를 구성하여 의료 전문가 및 의사는 학습용 모델로 활용하면서, 이를 통해 경험과 지식을 효율적으로 극대화할 수 있다. 연구 실험은, 아주대학교 병원 심혈관센터에 내원한 환자의 전자의무기록 중 초진기록을 추출하여 다양한 데이터 마이닝 알고리즘 및 기법을 적용하고, 그 과정에서 검증된 데이터 마이닝 연구 방법론과 지식 및 데이터 기반의 접근 방식을 결합하여 진행한다. 이후, 본격적인 연구 실험을 통해 활용 가능한 양질의 데이터 세트를 생성하였고, 초진기록에 대한 접근 방향을 제시하였으며, 기계 학습 분류기를 비교 및 선별하였다. 추가로, 특징 선택 알고리즘을 통해 질환 인과 관계에 대한 속성도 파악하고 분석하였다. 그 결과로, 결측 값에 대한 의미를 부여한 데이터 세트에 다층 퍼셉트론 분류기를 적용한 경우 확진 환자를 진단하는 데에 좋은 성능을 보인다는 것을 알 수 있었고, 비확진 환자의 정확한 진단은 나이브 베이지안 및 서포트 벡터 머신 분류기가 효율적이라는 것을 알 수 있었다. 연구의 의의는 실제 병원의 전자의무기록 내 초진기록 데이터에 대하여 데이터 마이닝 연구 방법론을 적용하여 연구하였다는 것과, 지식 및 데이터 기반 접근을 통해 허혈성 심장질환 확진 지표 및 지침 중 약 33%에 불과한 초진기록 속성을 통해 확진 환자를 86% 정확도로 질환 확진을 예측하였다는 것이다. 이를 통하여, 추후 고도화된 의료 서비스의 발전과 함께 복합적으로 활용되어 사람들의 삶의 질을 향상시킬 수 있고, 질환 진단의 객관적인 보조 역할을 담당할 수 있으며, 정확도 및 신뢰도 높은 지능화된 부가 서비스를 창출할 수 있다.