Earticle

초록

한국어

전자 건강 기록 데이터에서 구축된 의료 지식 그래프는 의료 코드 간의 관계를 담고 있으며, 이를 통해 환자에 대한 포괄적인 이해를 제공한다. 위와 같은 특성으로 인해 지식 그래프를 진단 예측 작업 에 활용할 수 있으며, 기존의 연구들에서 지식 그래프를 활용하는 것이 진단 예측 작업의 정확성 및 해석성을 효과적으로 향상 시킬 수 있다는 것이 입증되었다. 하지만 지식 그래프는 효과적인 의학적 관계 외에도 잘못된 관계와 같은 잡음을 포함하고 있으며, 모든 의학적인 관계를 포함하지는 못한다는 불완전성 또한 가지고 있다. 이러한 문제를 해결하기 위하여 몇몇 연구들은 의료 지식 그래프에서 진 단과 무관한 노드 및 관계를 마스킹하는 것으로 잡음을 필터링하는 방법을 제안하였다. 하지만 기존의 연구들의 경우 환자 개개인의 지역적인 관점에서의 특성을 중점적으로 다루었으며, 이러한 접근은 환 자 집단의 전역적인 관점에서 공유되는 핵심적인 특성을 고려하지 못할 수 있다. 따라서 본 연구에서 는 프로토타입과 그래프 대조 학습 방법을 활용하여 환자의 지역적인 관점뿐만 아니라 환자 집단의 전역적인 관점에서 의료 지식 그래프를 정제하고, 효과적인 표현을 추출하는 방법을 사용할 것을 제안 한다.

목차

요약
1. 서론
2. 관련 연구
3. 제안 방법
4. 실험 및 결과
4.1. 데이터셋
4.2. 실험 환경
4.3 성능 평가
5. 결론
Acknowledgement
참고문헌

키워드

저자

• 박우열 [ 고려대학교 인공지능학과 ]
• Ahmad Wisnu Mulyadi [ 고려대학교 뇌공학과 ]
• 강은송 [ 고려대학교 뇌공학과 ]
• 석흥일 [ 고려대학교 인공지능학과, ] 뇌공학과

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국차세대컴퓨팅학회 학술대회

• 간기

  반년간

• 수록기간

  2021~2025

• 십진분류

  KDC 566 DDC 004