[논문 리뷰] Do recommender systems function in the health domain: a system review

Su Jia, Yi Guan외 4명|arXiv (Cornell University)|2020. 07. 26.

Recommender Systems and Techniques인용 수 6

한 줄 요약

이 체계적 리뷰는 의료 분야에서 추천 시스템의 기능성을 조사하며, 기존의 협업 필터링과 같은 전통적 방법이 건강 관련 제약 조건에서 어려움을 겪는 반면 지식 기반 접근 방식이 더 큰 잠재력을 보임을 밝혀냈다. 연구는 정확도를 넘는 평가의 과제를 강조하고, 의료 추천 시스템의 핵심 문제와 향후 방향성을 제시한다.

ABSTRACT

Recommender systems have fulfilled an important role in everyday life. Recommendations such as news by Google, videos by Netflix, goods by e-commerce providers, etc. have heavily changed everyones lifestyle. Health domains contain similar decision-making problems such as what to eat, how to exercise, and what is the proper medicine for a patient. Recently, studies focused on recommender systems to solve health problems have attracted attention. In this paper, we review aspects of health recommender systems including interests, methods, evaluation, future challenges and trend issues. We find that 1) health recommender systems have their own health concern limitations that cause them to focus on less-risky recommendations such as diet recommendation; 2) traditional recommender methods such as content-based and collaborative filtering methods can hardly handle health constraints, but knowledge-based methods function more than ever; 3) evaluating a health recommendation is more complicated than evaluating a commercial one because multiple dimensions in addition to accuracy should be considered. Recommender systems can function well in the health domain after the solution of several key problems. Our work is a systematic review of health recommender system studies, we show current conditions and future directions. It is believed that this review will help domain researchers and promote health recommender systems to the next step.

연구 동기 및 목표

• 의료 분야의 추천 시스템 현황을 검토하기 위해.
• 기존의 추천 시스템을 의료 환경에 적용할 때 발생하는 방법론적 한계를 규명하기 위해.
• 표준 정확도 지표를 넘어서는 의료 추천에 특화된 평가 과제를 분석하기 위해.
• 지식 기반 방법이 의료 특화 제약 조건을 해결하는 데 어떻게 기여하는지 탐색하기 위해.
• 의료 추천 시스템의 향후 연구 방향성과 핵심 과제를 요약하기 위해.

제안 방법

• 의료 추천 시스템에 관한 38篇의 문헌을 대상으로 체계적 문헌 리뷰를 수행하였다.
• 응용 분야, 추천 방법, 평가 접근 방식에 따라 연구를 분류하였다.
• 내용 기반, 협업 필터링, 지식 기반 기법에 중점을 두고 방법론적 추세를 분석하였다.
• 의료적 안전성 및 임상 지침과 같은 건강 제약 조건을 다루는 데 각 방법의 적합성을 평가하였다.
• 안전성, 임상적 관련성, 사용자 신뢰도와 같은 다차원 평가 기준을 도출하였다.
• 향후 의료 환경에서의 시스템 설계 및 평가를 위한 프레임워크로 연구 결과를 통합하였다.

실험 결과

연구 질문

• RQ1 기존의 추천 시스템이 의료 분야에서 얼마나 효과적으로 기능하는가?
• RQ2 기존 의료 추천 시스템의 주요 방법론적 한계는 무엇인가?
• RQ3 의료 추천 시스템의 평가 방식은 상업 분야와 어떻게 다를까?
• RQ4 왜 지식 기반 방법이 의료 특화 제약 조건을 더 효과적으로 해결하는가?
• RQ5 의료 추천 시스템의 핵심 과제와 향후 연구 방향은 무엇인가?

주요 결과

• 의료적 안전성 우려로 인해 의료 추천 시스템은 주로 식이 계획과 같은 저위험 추천에 국한되어 있다.
• 협업 필터링 및 콘텐츠 기반 필터링과 같은 기존 방법들은 의료 제약 조건과 임상 지침을 통합하는 데 어려움을 겪는다.
• 지식 기반 추천 시스템은 의료 규칙과 환자 프로파일을 명시적으로 모델링함으로써 의료 특화 제약 조건을 다루는 데 뛰어난 성능을 보인다.
• 의료 추천 시스템의 평가는 정확도를 넘어서 임상적 안전성, 개인화, 신뢰성 등의 차원을 포함해야 한다.
• 임상 지침과 환자 고유의 건강 데이터 통합은 시스템 설계에서 여전히 주요 과제로 남아 있다.
• 향후 시스템은 윤리적 문제, 안전성, 해석 가능성 문제를 해결해야 임상적 도입과 신뢰를 확보할 수 있다.