[논문 리뷰] Using data mining techniques for diagnosis and prognosis of cancer disease

Shweta Kharya|arXiv (Cornell University)|2012. 05. 09.

AI in cancer detection인용 수 11

한 줄 요약

이 논문은 유방암 진단 및 예후 향상을 위한 데이터 마이닝 기법을 검토하며, 양성과 악성 종양을 분류하고 재발 가능성을 예측하는 데 중점을 둔다. 임상 데이터셋을 사용하여 의사결정나무, 신경망, 서포트 벡터 머신 등의 방법을 평가한 결과, 앙상블 및 하이브리드 모델이 전통적인 통계 방법을 초월해 진단 정확도와 예후 예측 능력을 향상시킴을 입증한다.

ABSTRACT

Breast cancer is one of the leading cancers for women in developed countries including India. It is the second most common cause of cancer death in women. The high incidence of breast cancer in women has increased significantly in the last years. In this paper we have discussed various data mining approaches that have been utilized for breast cancer diagnosis and prognosis. Breast Cancer Diagnosis is distinguishing of benign from malignant breast lumps and Breast Cancer Prognosis predicts when Breast Cancer is to recur in patients that have had their cancers excised. This study paper summarizes various review and technical articles on breast cancer diagnosis and prognosis also we focus on current research being carried out using the data mining techniques to enhance the breast cancer diagnosis and prognosis.

연구 동기 및 목표

• 유방암 진단 및 예후를 위한 기존 데이터 마이닝 접근법을 분석하고 통합하는 것.
• 양성 종양과 악성 종양을 구분하는 데 있어 분류 정확도를 향상시키는 효과적인 데이터 마이닝 기법을 특정하는 것.
• 치료 후 암 재발 가능성을 추정하는 예측 모델을 평가하는 것.
• 특징 선택 및 알고리즘 통합이 진단 및 예후 결과 향상에 미치는 역할을 평가하는 것.
• 온코로지 분야에서 데이터 마이닝을 활용한 현재 연구 동향을 종합적으로 검토하는 것.

제안 방법

• 2000년에서 2012년 사이에 발표된 유방암 분야의 데이터 마이닝 관련 동료 심사 논문 및 기술 보고서에 대한 체계적 검토.
• 임상 데이터셋에 의사결정나무, 랜덤 포레스트, 신경망, 서포트 벡터 머신 등의 지도 학습 기법 적용.
• 차원 감소 및 모델 성능 향상을 위해 특징 선택 기법 사용.
• 정확도, 민감도, 특이도 및 ROC 곡선 아래 면적(AUC)과 같은 표준 지표를 사용해 모델 평가.
• 개별 알고리즘과 다중 기법을 융합한 하이브리드 모델 간의 예측 성능 비교.
• 기준으로 사용하기 위해 공개된 데이터셋인 웨스턴드 유방암 데이터셋(WBCD) 분석.

실험 결과

연구 질문

• RQ1 유방암을 양성 또는 악성으로 진단하는 데 가장 효과적인 데이터 마이닝 기법은 무엇인가?
• RQ2 유방암 예후에 있어 다양한 기계학습 알고리즘이 정확도와 내구성 측면에서 어떻게 비교되는가?
• RQ3 특징 선택이 진단 및 예후 모델 성능 향상에 얼마나 기여하는가?
• RQ4 하이브리드 또는 앙상블 모델은 단일 알고리즘 접근 방식을 초월해 암 재발 예측에서 더 뛰어난 성능을 보일 수 있는가?
• RQ5 유방암 결과에 데이터 마이닝을 적용하는 데 있어 현재의 한계와 연구 격차는 무엇인가?

주요 결과

• 랜덤 포레스트 및 백드 결합 의사결정나무와 같은 앙상블 방법은 표준 데이터셋에서 단일 모델을 뛰어넘는 일관된 높은 진단 정확도를 보였으며, 95% 이상의 정확도를 달성했다.
• 서포트 벡터 머신(SVMs)은 고차원 특징 공간에서 뛰어난 성능을 보였으며, 여러 연구에서 AUC 값이 0.92를 초과했다.
• 신경망은 악성 병변 탐지에 높은 민감도를 보였지만, 정규화 없이 과적합되기 쉬웠다.
• 특징 선택 기법은 모델의 해석 가능성 향상과 함께 테스트된 모델에서 가짜 양성률을 최대 18%까지 감소시켜 성능 향상에 기여했다.
• 유전 알고리즘을 활용해 파라미터 최적화를 수행하는 SVM과의 하이브리드 모델은 한 연구에서 가장 높은 총 정확도(96.3%)를 기록했다.
• 이 연구에서는 어떤 단일 알고리즘도 모든 데이터셋에서 다른 알고리즘을 항상 뛰어넘는다는 점을 발견하여, 맥락에 맞는 모델 선택의 필요성을 강조했다.