• Radiation Oncology Journal
• /
• 제20권1호
• /
• pp.41-52
• /
• 2002

목적 : 호흡주기에 따른 위치변동 감지센서를 이용하여 종양의 위치가 일정워치에 있을 때만 방사선을 치료하는 호흡 동기치료기구를 제작하고 일정한 호흡주기 상태에서 수행된 CT simulation과 3차원 입체조형치료계획에 따라 방사선을 치료하는 시스템을 개발하고자 하였다. 호흡유무에 따른 종양의 치료 마진(margin)을 측정하고 계획용표적체적(planning target volume:PTV)의 크기에 따른 선량체적표(dose volume histogram:DVH)와 종양억제확률(tumor control probability:NTCP), 건강조직손상확률(normal tissue complication probability:NTCP) 및 선량 통계자료를 통하여 치료성과를 평가하고 선량증강 범위를 예측하고자 하였다. 대상 및 방법 : 종양이 비교적 작고 전이가 없는(T1N0M0) 5명의 폐암환자를 선택하여 X-선 조준장치를 이용하여 횡격막의 이동거리를 측정하는 방법으로 내부장기의 운동을 평가하였다. 호흡동기치료기구는 끌어당김 센서가 부착된 허리띠 모양으로 구성되었으며 이를 흉곽 또는 복부에 부착하여 호흡주기에 의한 흉곽의 크기변동에 따라 센서의 회로가 개폐되고 이것을 선형가속기의 조종간에 연결하는 간단한 기구로서 감도와 재현성이 높았다. 호흡을 배기한 후 일시적 호흡이 정지된 상태에서 Spiral-CT (PQ-5000)로 3차원 영상을 획득하고 Virtual CT-simulator (AcQ-SIM)에 의하여 종양의 위치와 주위 장기들을 확인 도시하였으며 3차원 치료계획장치(Pinnacle, ADAC Co.)를 이용하여 3차원 입체조형치료를 계획하였다. 치료계획의 평가는 호흡동기치료기구의 사용유무에 따른 PTV의 크기에 따라 최적 선량분포를 구사하였으며 각각의 DVH, TCP, NTCP 및 선량통계자료를 도출 비교 검토하였다. 결과 : X-선 simulation에서 폐암환자의 횡격막 이동은 약 1 cm에서 2.5 cm로서 평균 1.5 cm로 측정되었고 자유호흡시 PTV는 CTV (clinical target volume)에 약 2 cm 마진을 주었으며 호흡동기치료기구를 사용하였을 때는 0.5 cm 마진이 적당한 것으로 측정되었다. 종양의 PTV는 연장 마진의 거의 자승비로 증가하였으며 TCP의 값은 마진 범위 $(0.5\~2.0\;cm)$에 관계없이 거의 일정하였고 NTCP의 값은 마진 크기에 따라 평균 $65\%$로 급속히 증가하였다. 결론 : 호흡주기에 따른 위치변동 감지센서를 이용한 호흡동기치료기구는 종양의 위치가 일정할 때만 방사선이 조사되는 간단하고 정확한 장치로서 3차원 입체조형치료 및 강도변조방사선치료에서 매우 유용한 장치임을 확인할 수 있었다. 또한 호흡조절 방사선입체조형치료방법의 기술과 시술절차를 확립시키고 정량적인 선량평가를 위하여 DVH, TCP, NTCP 등의 정량분석과 종양의 투여 선량 증가량(dose escalation)을 예측하는 기초자료를 제공할 수 있었다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.