[논문 리뷰] Higher Order Programming to Mine Knowledge for a Modern Medical Expert System

Nittaya Kerdprasop, Kittisak Kerdprasop|arXiv (Cornell University)|2011. 07. 23.

Data Mining Algorithms and Applications참고 문헌 32인용 수 4

한 줄 요약

이 논문은 전자 건강 기록에서 의료 지식을 추출하기 위해 Prolog에서 고계수 및 메타수준 프로그래밍을 사용하는 논리 프로그래밍 프레임워크를 제안한다. 이는 의료 결정 지원을 위한 패턴 매칭 및 규칙 추출을 가능하게 하며, 발견된 지식을 데이터 검증 및 통합에 활용할 수 있어 현대 헬스케어 시스템에서 확장 가능한 논리 기반 지식 발굴 방법을 보여준다.

ABSTRACT

Knowledge mining is the process of deriving new and useful knowledge from vast volumes of data and background knowledge. Modern healthcare organizations regularly generate huge amount of electronic data stored in the databases. These data are a valuable resource for mining useful knowledge to help medical practitioners making appropriate and accurate decision on the diagnosis and treatment of diseases. In this paper, we propose the design of a novel medical expert system based on a logic-programming framework. The proposed system includes a knowledge-mining component as a repertoire of tools for discovering useful knowledge. The implementation of classification and association mining tools based on the higher order and meta-level programming schemes using Prolog has been presented to express the power of logic-based language. Such language also provides a pattern matching facility, which is an essential function for the development of knowledge-intensive tasks. Besides the major goal of medical decision support, the knowledge discovered by our logic-based knowledge-mining component can also be deployed as background knowledge to pre-treatment data from other sources as well as to guard the data repositories against constraint violation. A framework for knowledge deployment is also presented.

연구 동기 및 목표

• 대규모 전자 의료 기록에서 실행 가능한 지식을 추출하는 데 도전하는 데 목적을 두며.
• 의료 데이터에서 자동 지식 발굴을 지원하는 논리 기반 프레임워크를 설계하는 데 목적을 두며.
• 표현력 있고 재사용 가능한 규칙 추출을 위해 Prolog에서 고계수 및 메타수준 프로그래밍을 활용하는 데 목적을 두며.
• 발견된 지식을 데이터 검증 및 사전 처리 필터링에 배치할 수 있도록 하는 데 목적을 두며.
• 의료 전문가 시스템에서 지식 발굴과 지식 활용을 위한 통합 시스템을 제공하는 데 목적을 두며.

제안 방법

• 지식 추출을 위한 패턴 매칭 논리를 추상화하고 일반화하기 위해 Prolog에서 고계수 프로그래밍을 활용한다.
• 실행 중 규칙의 내부 분석과 조작을 가능하게 하기 위해 메타수준 프로그래밍 기법을 구현한다.
• 의료 데이터를 위한 논리 프로그래밍 패러다임 내에서 분류 및 연관 규칙 추출 도구를 설계한다.
• 효율적인 규칙 발견 및 검증을 위해 Prolog의 내장된 패턴 매칭 및 유일화 기능을 사용한다.
• 의사결정 지원을 위한 의료 전문가 시스템과 지식 발굴 컴포넌트를 통합한다.
• 발견된 지식을 배경 지식 및 제약 조건 검사기로 배치하기 위한 프레임워크를 제안한다.

실험 결과

연구 질문

• RQ1 Prolog에서 고계수 프로그래밍을 어떻게 활용하여 전자 의료 기록에서 지식 발굴을 자동화할 수 있는가?
• RQ2 메타수준 프로그래밍은 의료 규칙 추출의 표현력과 재사용성에 어떤 역할을 하는가?
• RQ3 논리 기반의 마이닝 도구는 임상 데이터에서 분류 및 연관 규칙 생성에 효과적으로 기여할 수 있는가?
• RQ4 발견된 지식은 진단 외에도 데이터 검증 및 무결성 확보와 같은 목적에 재사용될 수 있는가?
• RQ5 논리 기반 지식 마이닝 컴포넌트를 현대 의료 전문가 시스템에 통합하는 데 실현 가능성이 있는가?

주요 결과

• 제안된 시스템은 고계수 및 메타수준 Prolog 프로그래밍을 사용하여 분류 및 연관 규칙 마이닝 도구를 성공적으로 구현하였다.
• Prolog의 패턴 매칭 기능은 임상 데이터에서 효율적이고 유연한 규칙 발견을 가능하게 한다.
• 발견된 지식은 진단 외에도 데이터 제약 조건 강제 및 데이터 품질 확보에 재사용될 수 있다.
• 프레임워크는 발견된 지식을 외부 데이터 처리 파이프라인의 배경 지식으로 배치하는 데 지원한다.
• 구조화된 데이터에서 복잡한 의료 지식을 발굴하는 데 있어 이 접근법은 확장성과 표현력을 입증한다.
• 시스템은 데이터에서 의사결정 지원에 이르는 통합 파이프라인을 제공하며, 내장된 검증 메커니즘을 갖추고 있다.