[논문 리뷰] ROC: An Ontology for Country Responses towards COVID-19

Jamal Al Qundus, Ralph Schäfermeier외 3명|arXiv (Cornell University)|2021. 04. 15.

Biomedical Text Mining and Ontologies참고 문헌 10인용 수 5

한 줄 요약

이 논문은 RDF와 OWL을 사용하여 OxCGRT, ECDC, ILO의 이질적 데이터를 통합함으로써 코로나19 팬데믹에 대한 국가 수준의 대응을 표준화하는 W3C 준수 온톨로지인 ROC를 소개한다. SPARQL 기반의 의미적 쿼리가 가능하여 독일이 스웨덴이나 Jordan보다 더 높은 검사 및 의료 투자 수준을 기록한 것으로 드러났고, 스웨덴은 얼굴 마스크 착용 의무화 조치를 취하지 않았다. 이는 국가 간 정책 평가를 뒷받침한다.

ABSTRACT

The ROC ontology for country responses to COVID-19 provides a model for collecting, linking and sharing data on the COVID-19 pandemic. It follows semantic standardization (W3C standards RDF, OWL, SPARQL) for the representation of concepts and creation of vocabularies. ROC focuses on country measures and enables the integration of data from heterogeneous data sources. The proposed ontology is intended to facilitate statistical analysis to study and evaluate the effectiveness and side effects of government responses to COVID-19 in different countries. The ontology contains data collected by OxCGRT from publicly available information. This data has been compiled from information provided by ECDC for most countries, as well as from various repositories used to collect data on COVID-19.

연구 동기 및 목표

• 코로나19 팬데믹에 대한 다국적 정부 대응을 위한 표준화되고 상호운용 가능한 데이터 모델의 부족을 해결한다.
• OxCGRT, ECDC, ILO와 같은 이질적 데이터 소스의 통합 및 조율을 가능하게 하여 실증 연구를 지원한다.
• 팬데믹 조치의 효과성과 부작용을 여러 국가에서 분석할 수 있는 재사용 가능하고 확장 가능한 온톨로지 프레임워크를 제공한다.
• 고정된 의미를 가진 공통 개념 모델을 제공함으로써 통계 분석과 근거 기반 정책 수립을 지원한다.
• 모듈화되고 확장 가능한 설계를 통해 향후 다른 팬데믹이나 전국적 사건에의 적응을 지원한다.

제안 방법

• 모델링을 이끄는 데이터 가용성과 연구 질문을 조합한 하이브리드 온톨로지 개발 접근법을 사용했다.
• 27개의 OWL 클래스, 10개의 객체 속성, 42개의 데이터 속성, 3개의 애노테이션 속성을 포함한 ROC 온톨로지를 Protégé를 사용해 설계했다.
• OxCGRT(정부 대응), ECDC(감염률), ILO(경제 지표)의 데이터를 Karma 도구와 R2RML 매핑을 사용해 RDF로 매핑하고 변환했다.
• 결과로 생성된 RDF 데이터를 Virtuoso 트리플 스토어에 로드하여 SPARQL 기반 쿼리 및 지식 기반 액세스를 가능하게 했다.
• 통합된 데이터 소스를 기반으로 한 컴petency 질문에 답하기 위한 SPARQL 엔드포인트를 개발했다.
• 비기술자 사용자에게도 접근성을 높이기 위해 제어된 자연어 인터페이스와의 통합을 계획했다.

실험 결과

연구 질문

• RQ1 코로나19에 대한 국가 대응 중 전파를 줄이는 데 가장 효과적인 것은 무엇이며, 각국 간 비교 시 어떻게 다를까?
• RQ2 경제 및 의료 투자와 감염률, 사망률과 같은 공중보건 결과 간의 상관관계는 어떠한가?
• RQ3 봉쇄, 얼굴 마스크 착용, 접촉자 추적과 같은 조치의 사회적 및 경제적 부작용은 무엇인가?
• RQ4 팬데믹 대응에 관한 이질적 데이터 소스를 의미적으로 통합하여 통합적 분석을 어떻게 수행할 수 있는가?
• RQ5 표준화된 온톨로지가 글로벌 보건 위기 동안 정책 조율 및 의사결정을 얼마나 향상시킬 수 있는가?

주요 결과

• ROC 온톨로지는 2020년 1월~11월 기간 동안 독일, Jordan, 스웨덴의 1,850개 데이터 인스턴스를 의미 기반 표준을 사용해 통합된 쿼리 가능한 지식 기반으로 성공적으로 통합했다.
• SPARQL 쿼리 결과에 따르면 독일은 가장 높은 검사 정책 지수와 가장 큰 비상 의료 및 백신 투자 규모를 기록했다.
• 스웨덴은 관련 데이터 속성에서 0이라는 값이 나타나 얼굴 마스크 착용 정책을 시행하지 않았음을 확인했으며, 이는 국가 전략의 차이를 드러냈다.
• SPARQL 엔드포인트를 통해 다양한 소스 간 쿼리가 가능해졌으며, 예를 들어 국가별 건강 대응 지표를 집계하는 등의 사례를 통해 의미적 통합의 가능성을 입증했다.
• 온톨로지는 강도, 보건 조치 및 결과 간 상관관계 분석을 가능하게 하여 정책 효과성의 통계 분석을 지원한다.
• R2RML 매핑을 통해 OxCGRT, ECDC, ILO의 데이터를 하나의 RDF 지식 기반으로 통합하는 것이 가능하고, 향후 유사한 데이터셋에 대해 재사용 가능한 것으로 입증되었다.