[논문 리뷰] Ensembled Correlation Between Liver Analysis Outputs

Şadi Evren Şeker, Yavuz Ünal외 2명|arXiv (Cornell University)|2014. 01. 25.

Artificial Intelligence in Healthcare참고 문헌 20인용 수 9

한 줄 요약

이 연구는 16,380건의 간 기능 검사 결과 데이터셋을 대상으로 KNN, SVM, MLP, 의사결정나무 및 메타분류기와 같은 데이터 마이닝 기법을 적용하여 핵심 간 기능 파라미터 간의 상관관계를 분석한다. ALT, AST, 직접 빌리루빈 및 총 빌리루빈 간에 강한 선형 상관관계(R² 최대 94%)가 발견되어, 낮은 오차율(15%)로 한 파라미터를 다른 파라미터로부터 신뢰성 있게 예측할 수 있음을 보여준다.

ABSTRACT

Data mining techniques on the biological analysis are spreading for most of the areas including the health care and medical information. We have applied the data mining techniques, such as KNN, SVM, MLP or decision trees over a unique dataset, which is collected from 16,380 analysis results for a year. Furthermore we have also used meta-classifiers to question the increased correlation rate between the liver disorder and the liver analysis outputs. The results show that there is a correlation among ALT, AST, Billirubin Direct and Billirubin Total down to 15% of error rate. Also the correlation coefficient is up to 94%. This makes possible to predict the analysis results from each other or disease patterns can be applied over the linear correlation of the parameters.

연구 동기 및 목표

• 핵심 간 기능 검사 결과 간 상관관계의 강도와 신뢰성을 데이터 마이닝 기법을 활용해 조사하기.
• 앙상블 학습 방법이 간 이상 징후를 상호 예측하는 정확도를 향상시키는지 평가하기.
• ALT, AST, 총 빌리루빈 및 직접 빌리루빈 간 선형 관계가 질병 패tern 인식에 기여할 수 있는지 규명하기.
• 기계학습 모델을 활용해 간 검사 결과를 최소한의 오차로 예측하는 데의 유효성을 검증하기.
• 임상 또는 진단 현장에서 한 간 파라미터를 다른 파라미터의 대체 지표로 사용할 수 있는지의 가능성을 탐색하기.

제안 방법

• 단일 연도의 16,380건의 간 기능 검사 결과 데이터셋을 수집하고 분석하였다.
• 다양한 기계학습 모델을 적용: K-최근접 이웃(KNN), 서포트 벡터 머신(SVM), 다층 퍼셉트론(MLP), 의사결정나무.
• 개별 모델의 예측을 통합하여 전체 상관관계 정확도를 향상시키기 위해 메타분류기를 활용하였다.
• ALT, AST, 직접 빌리루빈 및 총 빌리루빈 간의 관계를 정량화하기 위해 선형 상관관계 분석을 실시하였다.
• 오차율과 결정계수(R²)를 주요 지표로 삼아 모델 성능을 평가하였다.
• 다른 파라미터의 값으로부터 한 간 파라미터를 예측하는 데 초점을 두어 예측 유용성을 평가하였다.

실험 결과

연구 질문

• RQ1 기계학습 기법을 활용해 간 기능 검사 결과(ALT, AST, 총 빌리루빈, 직접 빌리루빈) 간의 상호 예측 가능성은 어느 정도인가?
• RQ2 앙성 학습 기법을 사용할 경우 핵심 간 기능 파라미터 간의 도달 가능한 상관계수(R²)는 얼마인가?
• RQ3 메타분류기는 개별 모델 대비 간 검사 결과 예측 정확도를 향상시킬 수 있는가?
• RQ4 제안된 앙상블 접근법을 사용해 한 간 파라미터를 다른 파라미터로부터 예측할 경우 오차율은 얼마인가?
• RQ5 간 기능 지표 간의 선형 상관관계는 임상적 예측 목적에 있어 얼마나 신뢰할 수 있는가?

주요 결과

• ALT, AST, 직접 빌리루빈 및 총 빌리루빈 수치 간 강한 선형 상관관계(R² 최대 94%)가 관찰되었다.
• 앙성 예측 모델은 한 간 파라미터를 다른 파라미터로부터 예측할 경우 낮은 오차율(15%)을 기록하였다.
• 메타분류기는 개별 모델 대비 전체 상관관계 성능을 향상시켰다.
• 결과는 간 검사 결과가 상호 간에 매우 의존적이며, 파라미터 간에 안정적인 예측이 가능하다는 것을 시사한다.
• 높은 R²와 낮은 오차율은 이러한 파라미터들이 진단 모델링에서 상호 대체 가능하다는 것을 시사한다.
• 본 연구는 데이터 마이닝 기법이 간 기능 검사 관계를 높은 정확도로 효과적으로 모델링하고 예측할 수 있음을 확인한다.