머신러닝/딥러닝을 통한 지역별 발병 빈도 예측

국문 초록 (Abstract)

의료데이터 분석을 이용한 의료/헬스케어 서비스에 대한 관심은 본격적으로
빅데이터/AI 의 가능성이 논의되기 이전부터 의료업계 및 IT 산업에서 큰 관심의
대상이었으며, 특히 의료 서비스의 비용 문제가 커다란 사회적 이슈인 미국에서는
의료서비스의 비용을 낮추면서도 그 질을 높일 수 있는 대안으로 의료 빅데이터에
대한 연구가 활발히 진행되어 왔다. 하지만 데이터의 익명성 문제와 보안 문제,
특히 의료데이터는 유출시 프라이버시와 관련하여 심각한 문제를 초래할 수 있어
의료데이터의 사용에는 많은 난관이 있었다.
본 연구는 이러한 문제점을 해결하기 위해 만들어진 컨소시엄에 포함된 전국
30 개의 병원 및 의료기관의 데이터를 활용하여 특정한 다빈도 발병 질병의 지역별
발병 빈도를 예측하는 것을 목적으로 하였다. 이를 위해 환자 데이터 및 발병
데이터, 기후 데이터, 재난 데이터를 수집하였으며, 병원 내부 데이터의 사용을
위해 비식별화를 통한 전처리를 수행하였다. 이렇게 만들어진 데이터를 활용하여
머신러닝 기법(Stepwise Feature Selection Linear Regression, Random Forest) 및
딥러닝 모델(MLP, LSTM)을 통해 결과값(7 개 다빈도 질병의 지역별 발병 빈도수
예측)을 도출하였다. 그 결과 Random Forest 와 LSTM 이 각기 다른 질병에서 가장
높은 성능을 보여주었고 이를 최종 모델로 선정하였다.

목차 (Table of Contents)

• 제 1 장 서론 ........................................................ 7
• 제 1 절 연구의 배경 및 목적............................................... 7
• 제 2 절 연구 내용 및 방법 ............................................... 10
• 제 2 장 관련연구 고찰.................................................... 11
• 제 1 절 선행연구 고찰.................................................... 11
• 1. 질병 발병 예측 선행연구 ........................................... 11
• 2. 선행연구와의 차별성 ............................................... 12
• 제 2 절 관련 이론 고찰................................................... 13
• 1. 다중회귀분석 ...................................................... 13
• 2. Random Forest ..................................................... 13
• 3. 다층 퍼셉트론(MLP) ................................................ 19
• 4. LSTM(Long-Short Term Memory model) ................................ 26
• 제 3 장 질병 발병예측 분석데이터 구성......................................................................... 31
• 제 1 절 분석 개요........................................................ 31
• 1. 개요 ............................................................... 31
• 2. 분석데이터 구성 과정 ............................................... 31
• 제 2 절 분석데이터 수집 및 처리 ......................................... 32
• 1. 원시데이터 요약.................................................... 32
• 2. 정제 및 가공....................................................... 33
• III
• 제 3 절 유의변수 생성 및 데이터 통합 .................................... 33
• 1. 기초데이터 탐색.................................................... 33
• 2. 분석데이터 생성.................................................... 42
• 3. 데이터 통합........................................................ 43
• 제 4 장 질병 발병예측 모델 개발 ........................................ 45
• 제 1 절 모델 개발........................................................ 45
• 1. 개요............................................................... 45
• 2. 모델 개발 절차 .................................................... 45
• 3. 학습 데이터 구성................................................... 47
• 4. 예측 모델 개발 .................................................... 48
• 제 2 절 실험 및 평가..................................................... 61
• 1. 모델 검증 방법론................................................... 61
• 2. 예측 모델 평가 .................................................... 61
• 제 5 장 결론 및 향후 연구과제........................................................................................... 63
• 제 1 절 결론............................................................. 63
• 제 2 절 한계점 및 향후 연구과제 ......................................... 63
• 참고문헌 ................................................................ 65