[논문 리뷰] A Data Mining Approach to the Diagnosis of Tuberculosis by Cascading Clustering and Classification

T Asha, Sriraam Natarajan외 1명|arXiv (Cornell University)|2011. 08. 04.

Text and Document Classification Technologies참고 문헌 27인용 수 23

한 줄 요약

이 논문은 K-means 군집화와 다중 분류 알고리즘을 결합한 계단식 데이터 마이닝 프레임워크를 제안하여 폐결핵(PTB)과 HIV 관련 레트로바이러스성 PTB(RPTB) 아형을 진단한다. 도시 병원의 700건의 임상 기록을 사용하여, 지지 벡터 기반 기계학습(SVM)을 통해 98.7%의 정확도를 달성하였으며, 진단 정확도를 크게 향상시키고 개인 맞춤 치료 계획 수립을 위한 임상 의사결정 지원에 기여한다.

ABSTRACT

In this paper, a methodology for the automated detection and classification of Tuberculosis(TB) is presented. Tuberculosis is a disease caused by mycobacterium which spreads through the air and attacks low immune bodies easily. Our methodology is based on clustering and classification that classifies TB into two categories, Pulmonary Tuberculosis(PTB) and retroviral PTB(RPTB) that is those with Human Immunodeficiency Virus (HIV) infection. Initially K-means clustering is used to group the TB data into two clusters and assigns classes to clusters. Subsequently multiple different classification algorithms are trained on the result set to build the final classifier model based on K-fold cross validation method. This methodology is evaluated using 700 raw TB data obtained from a city hospital. The best obtained accuracy was 98.7% from support vector machine (SVM) compared to other classifiers. The proposed approach helps doctors in their diagnosis decisions and also in their treatment planning procedures for different categories.

연구 동기 및 목표

• 정확한 결핵 아형 분류를 위한 자동화된 데이터 마이닝 프레임워크 개발.
• 임상 진단에서 폐결핵(PTB)과 HIV 관련 레트로바이러스성 PTB(RPTB)를 구분하는 데 도전하는 문제 해결.
• 실제 환자 데이터 기반 기계학습을 통해 진단 정확도 향상 및 임상 의사결정 지원.
• 다양한 분류 알고리즘의 성능을 계단식 파이프라인에서 평가하여 결핵 진단에 활용.
• 저면역 상태 환자에서 조기이고 정확한 결핵 아형 식별을 위한 확장 가능한 데이터 기반 솔루션 제공.

제안 방법

• 임상 특징을 기반으로 TB 환자 데이터를 두 개의 초기 군집으로 나누기 위해 K-means 군집화가 적용된다.
• 임상 특성과 사전 지식에 기반하여 각 군집에 PTB 또는 RPTB라는 클래스 레이블이 할당된다.
• SVM, 의사결정 트리, 나이브 베이즈 등 다양한 분류 알고리즘이 군집화된 데이터셋에서 훈련된다.
• 최적의 분류 모델을 평가하고 선택하기 위해 K-폴드 교차 검증이 사용된다.
• 정확도, 민감도, 특이도와 같은 성능 지표에 기반하여 최종 모델이 선정된다.
• 군집화와 분류를 계단식 워크플로우로 통합하여 진단 정밀도를 향상시킨다.

실험 결과

연구 질문

• RQ1 계단식 군집화 및 분류 접근법이 결핵 아형 진단의 정확도를 향상시킬 수 있는가?
• RQ2 다양한 분류 알고리즘이 PTB와 RPTB 아형을 구분하는 데 있어 성능은 어떻게 비교되는가?
• RQ3 군집화가 사전 처리 단계로 적용되었을 때 분류 작업에 얼마나 기여하는가?
• RQ4 제안된 방법은 결핵 진단 및 치료 계획 수립에서 임상 의사결정을 지원할 수 있는가?
• RQ5 실제 임상 데이터 기반으로 결핵 아형 분류에 최적의 분류 모델은 무엇인가?

주요 결과

• 지지 벡터 기반 기계학습(SVM)이 결핵 아형 분류에서 최고의 정확도 98.7%를 기록하였다.
• K-means 군집화가 PTB와 RPTB라는 생물학적으로 관련성이 있는 두 그룹으로 결핵 데이터를 효과적으로 분할하였다.
• 군집화 이후 분류를 수행하는 계단식 접근법이 단독 분류 방법보다 우수한 성능을 보였다.
• 700명의 환자 기록으로 구성된 데이터셋에서 K-폴드 교차 검증을 통해 강력한 일반화 능력을 입증하였다.
• 조기이고 정확한 결핵 아형 구분을 가능하게 하여 임상 의사결정 지원에 기여하는 시스템을 제공하였다.
• 면역력이 떨어진 환자 대상 치료 계획 수립을 돕기 위해 임상 워크플로우에 통합 가능성을 보였다.