• Radiation Oncology Journal
• /
• 제19권2호
• /
• pp.127-135
• /
• 2001

목적 : 본 연구는 중등도 정도의 오심 및 구토의 발생 위험도를 가지는 복부 방사선치료를 받는 환자들을 대상으로 오심 및 구토에 대한 항구토제의 효과와 부작용 여부를 비교하는 전향적 무작위 임상연구로, 예방 목적으로 항구토제를 사용할 때 현재 통상적으로 많이 처방되는 항구토제인 메토클로프라미드(metoclopramide)에 비하여 온단세트론(Ondansetron; $Zofran^{\circledR}$)을 사용하는 것이 더 나은 효과를 가져오는지 알아보고자 하였다. 대상 및 방법 : 대상 환자의 포함 기준은 병리학적으로 암으로 확진되고 전이성 원인이 아닌 원발 부위에 치료를 받는 환자, 신체수행도가 ECOG 기준으로 2기 이하인 환자, 항암 화학요법이나 방사선치료를 받은 과거력이 없는 환자로 하였다. 1997년 3월부터 1998년 2월까지 총 60명의 환자가 덜 연구에 참여하였다. 내원한 순서에 따라 미리준비된 난수표에 의하여 각각 온단세트론 투약군(O군)과 메토클로프라미드 투약군(M 군)으로 할당하였다. O군의 온단세트론 용량은 8 mg, bid 로 하였고, M군의 메토클로프라미드 용량은 5 mg, tid 로 하였다. 평가 항목은 오심의 정도, 구토 회수, 식욕감소의 정도로 하였다. 환자에게 일일 기록카드를 교부하여 환자의 주관적인 증상인 오심의 정도, 구토의 횟수, 식욕감소의 정도를 기록하도록 하였다. 치료기간을 일주일 간격으로 나누어 각 주별 오심 및 식욕감소의 정도, 평균 구토횟수를 구하였다. 결과 : 본 연구에 참여한 60명의 대상 환자 중 55명의 환자에서 분석이 가능하였다. M군은 28명, O군은 27명이었다. 환자 특성 및 방사선치료에 관한 특성은 연령을 제외하면 차이가 없었다. 연령은 M 군이 $52.9{\pm}11.2$세, O군이 $46.5{\pm}9.6$세로 통계적으로 의미 있는 차이가 있었다. M군에 비해 O군에서 오심의 정도, 구토의 횟수, 식욕감소의 정도의 세 항목 모두 낮은 점수 분포를 보였다. M군의 경우 방사선치료를 시작한 후 5주째 각 항목별 점수가 가장 높은 경향을 보였다. 혼합모형을 이용한 반복측정 자료의 분석 결과 오심의 정도에는 원발암의 종류, 투약군이 의미 있게 영향을 미치는 요소였다. 구토의 횟수에는 성별, 연령, 총선량, 투약군이 의미 있게 영향을 미치는 요소였다. 식욕감소의 정도에는 연령, 투약군이 의미 있게 영향을 미치는 요소였다. 따라서, 투약군이 유일하게 세 가지 항목 모두에 통계적으로 의미 있는 영향을 미치는 요소임을 알 수 있었다. 전 치료기간 동안 양 투약군 모두 약제의 투여로 인한 부작용은 없었으며, 일반혈액검사 및 일반화학검사에서도 이상 소견을 보이지 않았다. 결론 : 연령이 적으면 오심 및 구토의 위험도가 증가하는 점을 고려하면, 양 투약군 간에 연령의 차이가 있었던 점이 통계적 변별력을 저하시켰을 가능성이 있다. 상기 결과를 토대로 본 연구자들은 중등도 정도의 오심 및 구토의 발생 위험도를 가지는 상복부 및 전복부조사를 전통적인 분할조사법을 이용하여 치료하는 경우 현재 흔히 사용되는 항구토제인 메토클로프라미드에 비해 온단세트론이 오심 및 구토, 식욕의 저하 등의 급성 부작용을 더 효과적으로 억제함을 알 수 있었다. 하지만, 온단세트론을 투여하는 경우에도 오심 및 구토가 호전되지 않는 경우도 많이 있으므로 이 부작용을 더욱 경감하기 위한 여러 가지 방안들이 강구되어야 한다고 생각된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.