[논문 리뷰] Expert System for Diagnosis of Chest Diseases Using Neural Networks

Ismail Kayali|arXiv (Cornell University)|2018. 02. 19.

Information Systems and Technology Applications참고 문헌 4인용 수 3

한 줄 요약

이 논문은 겹치는 증상이 있는 흉부 질환을 진단하기 위해 신경망 기반 전문가 시스템을 제시한다. 전진 및 후진 추론을 통합하고, 오차 역전파 기반 학습을 통해 진단 정확도를 향상시킨다. 이 시스템은 규칙 기반 추론, 설명 생성, 치료 권고를 통해 초보 의료 종사자와 경험이 많은 의사 모두의 임상 의사결정을 지원한다. 병원 및 의료 교육 분야에서의 활용 가능성이 있다.

ABSTRACT

This article represents one of the contemporary trends in the application of the latest methods of information and communication technology for medicine through an expert system helps the doctor to diagnose some chest diseases which is important because of the frequent spread of chest diseases nowadays in addition to the overlap symptoms of these diseases, which is difficult to right diagnose by doctors with several algorithms: Forward Chaining, Backward Chaining, Neural Network(Back Propagation). However, this system cannot replace the doctor function, but it can help the doctor to avoid wrong diagnosis and treatments. It can also be developed in such a way to help the novice doctors.

연구 동기 및 목표

• 겹치는 증상이 많은 흉부 질환의 진단을 돕는 전문가 시스템을 개발하는 것.
• 신경망을 규칙 기반 추론(전진 및 후진 추론)과 통합하여 진단 정확도를 향상시키는 것.
• 초보 의료 종사자 지원과 의료 교육 분야에서의 교육 도구로 활용할 수 있도록 하는 것.
• 환자의 특정 조건과 질환 진단에 기반해 치료법을 제안할 수 있도록 하는 것.
• 데이터 마이닝과 더 큰 데이터셋을 통한 향후 확장성을 고려해 더 광범위한 흉부 질환을 포함하도록 기반을 마련하는 것.

제안 방법

• 사용자 입력 요구 사항과 진단의 완전성을 균형 있게 유지하기 위해 전진 및 후진 추론을 조합한 하이브리드 추론 메커니즘을 사용한다.
• 신경망(오차 역전파)을 활용해 흉부 질환 진단에서 겹치는 증상 패턴을 분류하고 분리한다.
• 생산 규칙은 의료 전문 지식을 표현하며, 각 규칙는 변수-연산자-값 삼중항을 사용한 IF-THEN 조건 및 조치로 구성된다.
• 시스템은 지식 기반, 추론 엔진, 설명 서브시스템, 지식 기반 편집기, 관리 인터페이스, 관리 시스템의 여섯 가지 핵심 구성 요소를 포함한다.
• 데이터베이스는 영구적 및 일시적 데이터를 모두 저장하며, 클리닉 및 기관 간 협업을 지원하는 네트워크 기반 액세스를 가능하게 한다.
• 웹 배포를 고려해 설계되어 국소 네트워크 또는 인터넷을 통해 액세스 가능하며, 확장 가능한 사용을 지원한다.

실험 결과

연구 질문

• RQ1 규칙 기반 추론과 신경망을 융합한 하이브리드 전문가 시스템이 겹치는 증상이 있는 흉부 질환의 진단 정확도를 향상시킬 수 있는가?
• RQ2 伝통적인 규칙 기반 시스템에 비해 신경망이 흉부 질환의 복잡하고 수렴하는 증상 패턴을 얼마나 효과적으로 분류할 수 있는가?
• RQ3 이러한 시스템이 초보 의사의 지원과 의료 교육 분야에서의 교육 도구로 얼마나 효과적으로 기능할 수 있는가?
• RQ4 데이터 마이닝과 기계 학습을 통합함으로써 시스템의 새로운 진단 패턴 발견 능력에 어떤 영향을 미치는가?
• RQ5 더 큰 데이터셋을 활용해 더 넓은 범위의 흉부 질환을 다룰 수 있도록 시스템을 어떻게 확장할 수 있는가?

주요 결과

• 전문가 시스템은 신경망과 규칙 기반 추론을 성공적으로 통합하여 겹치는 증상이 있는 흉부 질환의 진단 정확도를 향상시켰다.
• 하이브리드 추론 방식은 필요한 데이터를 필요에 따라 요청함으로써 사용자 상호작용의 유연성을 제공하며, 모든 데이터를 사전에 입력할 필요가 없도록 한다.
• 설명 서브시스템은 진단 결론을 정당화함으로써 투명성을 높이고, 사용자 신뢰도와 시스템 사용성 향상에 기여한다.
• 이 시스템은 병원 및 의료 센터에서 임상 의사결정 지원 도구로 강력한 잠재력을 보였다.
• 이 시스템은 임상 사례를 암호화하고 분석할 수 있어, 향후 새로운 진단 패턴을 발견하기 위한 데이터 마이닝이 가능하다.
• 저자들은 모든 흉부 질환을 포괄할 수 있는 시스템의 잠재력을 최대로 발휘하기 위해 더 크고 다양한 데이터셋이 필요하다고 지적한다.