[논문 리뷰] ICD 10 Based Medical Expert System Using Fuzzy Temporal Logic

P. Chinniah, S. Muttan|arXiv (Cornell University)|2010. 01. 12.

Artificial Intelligence and Decision Support Systems참고 문헌 2인용 수 3

한 줄 요약

이 논문은 시간에 따라 변화하는 증상의 심각도와 질병의 가능성성을 모델링함으로써 진단 정확도를 향상시키기 위해 퍼지 시간 논리(fuzzy temporal logic)를 활용한 ICD-10 기반 의료 전문가 시스템을 제시한다. 이 시스템은 퍼지 가중치를 적용한 증상-질병 관계를 사용하며, 수정된 유클리드 거리 척도를 적용한 엘더스 알고리즘(Elde's algorithm)을 통해 군집화를 수행하고, 최소 유사도를 의사결정 기준으로 삼아 가능한 질병을 추천함으로써 의료진 주도의 初기 진단 소요 시간과 비용에 대한 의존도를 감소시킨다.

ABSTRACT

Medical diagnosis process involves many levels and considerable amount of time and money are invariably spent for the first level of diagnosis usually made by the physician for all the patients every time. Hence there is a need for a computer based system which not only asks relevant questions to the patients but also aids the physician by giving a set of possible diseases from the symptoms obtained using logic at inference. In this work, an ICD10 based Medical Expert System that provides advice, information and recommendation to the physician using fuzzy temporal logic. The knowledge base used in this system consists of facts of symptoms and rules on diseases. It also provides fuzzy severity scale and weight factor for symptom and disease and can vary with respect to time. The system generates the possible disease conditions based on modified Euclidean metric using Elders algorithm for effective clustering. The minimum similarity value is used as the decision parameter to identify a disease.

연구 동기 및 목표

• 의사 주도의 초기 진단에 소요되는 시간과 비용을 줄이기 위해 증상 기반 질병 추론를 자동화함으로써 목표를 달성한다.
• 퍼지 시간 논리(fuzzy temporal logic)를 사용하여 시간에 따라 변화하는 증상의 심각도와 질병 확률을 모델링한다.
• ICD-10 질병 분류 체계를 퍼지 논리 기반 지식 기반과 통합하여 향상된 진단 추론을 가능하게 한다.
• 엘더스 알고리즘(Elde's algorithm)과 수정된 유클리드 거리 척도를 적용하여 유사한 증상 패턴을 군집화하고 후보 질병을 식별한다.
• 신뢰할 수 있는 질병 추천을 위해 군집 간 최소 유사도 값을 의사결정 기준으로 설정한다.

제안 방법

• 시스템은 증상의 심각도와 질병 가능성성을 표현하기 위해 퍼지 논리 기반으로 매핑된 증상 및 질병 규칙를 포함하는 지식 기반을 사용한다.
• 퍼지 시간 논리(fuzzy temporal logic)는 시간에 따라 변화하는 증상의 동적 변화와 질병 확률에 미치는 영향을 모델링한다.
• 증상과 질병에 대해 퍼지 심각도 척도와 가중치 요소를 할당하며, 이는 시간 경과에 따라 조정 가능하다.
• 시스템은 수정된 유클리드 거리 척도를 사용하여 질병 간 유사도를 계산하고 증상 패턴을 군집화한다.
• 엘더스 알고리즘(Elde's algorithm)을 적용하여 증상 집합을 군집화하고 가장 유사한 질병 패턴을 식별한다.
• 군집 간 최소 유사도 값이 의사결정 기준으로 사용되어 가장 가능성 높은 질병을 선정한다.

실험 결과

연구 질문

• RQ1 퍼지 시간 논리(fuzzy temporal logic)는 의료 진단에서 증상 진행 상황과 질병 가능성의 모델링을 어떻게 향상시킬 수 있는가?
• RQ2 ICD-10 프레임워크 내에서 진단 추론을 지원하기 위해 증상 패턴을 군집화하는 데 최적의 방법은 무엇인가?
• RQ3 시간에 따라 변화하는 심각도와 가중치 요소를 통합함으로써 전문가 시스템의 진단 정확도는 어떻게 향상되는가?
• RQ4 수정된 유클리드 거리 척도를 사용한 유사도 기반 의사결정 기준은 후보 질병의 순위를 효과적으로 산정할 수 있는가?
• RQ5 이러한 시스템은 자동 증상 분석을 통해 초기 의료진 진단의 부담을 어느 정도 감소시킬 수 있는가?

주요 결과

• 시스템은 시간에 따라 변화하는 퍼지 가중치와 심각도 척도를 사용하여 증상-질병 관계를 성공적으로 모델링하였다.
• 수정된 유클리드 거리 척도를 적용한 엘더스 알고리즘(Elde's algorithm)을 통한 군집화로 증상 패턴의 효과적인 그룹화가 가능했다.
• 군집 간 최소 유사도 값은 질병 식별에 신뢰할 수 있는 의사결정 기준으로 기능하였다.
• ICD-10과 퍼지 시간 논리의 통합은 동적 임상 상황에서의 진단 추론을 향상시켰다.
• 수동 초기 진단에 대한 의존도가 감소하여 자동화된 의료 조언을 위한 확장 가능한 프레임워크를 제공하였다.
• 시스템은 증상 유사도 기반 질병 추천 가능성을 입증하였지만, 구체적인 수치적 정확도는 보고되지 않았다.