자연어 기술 기반 한의 증상명 추천 시스템 (소화기계 질환 버전) (Korean Medicine Symptom Recommendation Based on Textual Description of the Patient’s Condition. (Digestive disorder version))

서지정보

· 발행기관 : 한국지식정보기술학회
· 수록지 정보 : 한국지식정보기술학회 논문지 / 15권 / 5호 / 831 ~ 843페이지
· 저자명 : 장호, 이상훈, 예상준

초록

최근 다양한 정보통신 및 인공지능 기술들이 의료 서비스의 수준을 향상시기기 위해 연구되고 있다. 한의학 분야에서도 관련 연구자들이 다양한 연구를 수행하고 있다. 임상 한의사는 망문문절을 통해서 얻어진 환자의 정보와 다년간의 진료 경험을 통합해서 환자 변증을 특정하고 환자 상태에 맞는 처방을 결정한다. 이를 모사하여 알고리즘에 기반한 병증의 탐색 및 치료 추천을 위한 다양한 모델이 제안되어왔다. 증상특정-처방추천으로 이어지는 모델은 가장 널리 연구되어오던 접근 방법 중 하나이다. 그러나 한의 용어는 매우 광범위하고 한의 학파마다 사용하는 용어에 차이가 있기에 개발된 시스템의 원활한 이용에 한계가 있다. 따라서 우리는 환자의 상태와 관련한 자연어 기술로 부터 관련성이 높은 한의 증상명을 추천해주는 시스템을 개발했다. 이를 위해서 소화기계 질환을 가진 환자를 모집하고 환자의 상태를 자연어로 기술한 데이터를 만들었다. 한의 학파별 한의사들은 환자의 질병과 연관성이 큰 증상들을 선별하고 그 증상의 근거가 되는 자연어 기술 부분을 태깅해주었다. 이 데이터는 한글 형태소 분석 및 Multi-level support vector machine (SVM) 모델에 기반한 시스템의 입력 데이터로 활용되었다. 모델 성능 평가를 위해 5-fold cross validation 사용되었고 한의사들이 설정한 증상명이 학습 모델에서 어느정도 우선순위로 예측되었는지를 바탕으로 Area under curve (AUC) 값으로 계산했다. 전반적인 성능은, 사상체질의학회의 경우 93%의 AUC값을 보였고 대한형상의학회의 경우 94%의 AUC값을 보였다. 대한상한금궤의학회의 경우 85%의 AUC값을 보였다. 우리의 자연어 기반 증상명 추천 시스템은 한의 증상명 탐색의 편의성을 증진시켜 한의사들의 시스템 접근성을 도울 수 있다. SVM 모델을 바탕으로 만들어진 우리의 시스템은 이후 딥러닝에 기반한 고수준의 모델로 확장하여 성능의 향상을 도모하거나 다양한 질환들로 확장될 수 있다.

영어초록

We developed a suggestion system that recommends related Korean Medicine symptoms from natural language description of patient's health condition. First, we collected medical information from 200 patients who suffer digestive disorder. Then, three groups of Korean medicine doctors belonging to each of the major Korean medicine associations examined clinical report forms (CRFs) of the patients and specified primary symptoms of the patients. The Korean medicine doctors also attached text evidences of their decision based on the descriptions in the CRFs. Those text descriptions and the symptoms were used as the input text and the label of the system. The features of the multi label support vector machine are term frequencies of the input text. Those terms are the morphemes from Korean morphological analyzer. The model performance measure was the area under cover (AUC) values that is calculated based on the predicted ranks of the true symptom. All AUC values of the models from three independent datasets generated by the three different groups of Korean medicine doctors are more than 0.85 which suggests our system shows consistent and robust performances regardless of the given datasets. Our study is an artificial intelligence (AI) application to Korean medicine and our approach is useful to explore proper symptom names from the thousands of Korean medicine terms. It can be expanded to application to other kinds of disorders easily. Better performance can be achieved by adapting advanced text processing technique and AI models.

참고자료

· 없음