디지털병원의 사례 기반 추론엔진을 이용한 유사환자 예측 시스템 설계

Abstract

해 마다 늘어나는 병원 내 의료 사고는 환자들의 불안감을 조성하고, 의료인들의 진단과정의 신뢰성과 주관적 견해가 문제시 되고 있다. 의학적 관찰과 경험지식을 연결시켜 진료의 질을 향상시키기 위해서 수많은 사례를 통한 판단과 과학적 진단의 필요성이 대두 되었다. 최근 구글의 딥마인드를 활용한 인공지능 알파고와 이세돌 선수의 바둑대결 후 인공지능의 활용처로 의료분야가 거론되면서 임상의사결정지원시스템(Clinical Decision Support System:CDSS)이 주목 받고 있다.

본 논문에서는 CDSS를 통해 임상의료정보를 지식베이스화 하고 추론엔진을 통하여 규칙 기반 및 비 규칙 기반의 의사결정 지원시스템을 제공하고자 한다. CDSS란 진료에 임하는 의료인이 진단이나 치료 방침을 결정하고 판단 할 때, 이에 필요한 기반 지식을 제공하고, 올바르게 결정 할 수 있도록 도와주는 기능을 하는 프로그램들의 집합체라 할 수 있다. CDSS는 환자 진료에 있어 예방, 진단, 치료, 처방 그리고 예후의 각 단계에서 의사결정의 도움이 되어야 하며, 진단과정에서 오진을 줄이기 위해 K-최근접 이웃(K-Nearest Neighbor:K-NN) 및 주성분 분석(Principal Component Analysis:PCA) 알고리즘을 통해 정확성을 향상 시키고자 한다.

위에서 언급한 두 가지 제안 기술을 통해 진단과정에서 오진율을 줄이고, 종속 검사 및 연계 비율에 관해 단순 분석보다 높은 상관성을 탐지 하였으며, 부가적으로 객관적인 안전성과 정확성을 제공 하였다.

본 연구에서는 화상외과 3000여명의 환자를 평가 데이터로 설정하였으며, 공통된 질환 명에 대한 기준에선 단일 K-NN 알고리즘에 비해 K-NN 과 PCA 알고리즘 결합 시 평균 6%의 정확도가 향상됐다. 이는 진단 시 오진을 줄일 수 있는 객관적인 지표 및 안전성을 시사하는 바이고, 질환에 대한 종속 검사와 연계 비율에서는 각각 평균 3개, 9%가 향상됐다. 종속 검사와 연계 비율은 합병증을 파악하는 객관적인 자료로 쓰일 수 있으며, 누락된 검사 목록을 파악 할 수 있어 올바른 진단 방향을 제시 할 수 있다.

화상외과 외 다양한 의료 진료과와 다국적 다인종 데이터를 적용 한다면 정확한 피드백과 객관적인 안전성 및 정확성 향상을 기대 할 수 있다.