# Machine Learning for Everyone: Simplifying Healthcare Analytics with BigQuery ML

### 저자

Mohammad Amir Salari, Bahareh Rahmani

### 개요

본 논문은 의료 분야에서 머신러닝(ML)의 접근성을 높이기 위해 Google BigQuery ML 클라우드 서비스를 활용한 당뇨병 예측 모델 구축 및 배포 사례 연구를 제시합니다. 전문적인 ML 지식 없이도 SQL만으로 모델을 구축하고 배포할 수 있는 BigQuery ML의 기능을 활용하여, 세 가지 모델 중 부스팅 트리 모델이 가장 높은 성능을 보였음을 보여줍니다. 이를 통해 BigQuery ML이 의료 데이터 분석 및 예측 분석을 간소화하고 의료 전문가들의 의사 결정 과정을 개선하는 데 기여할 수 있음을 강조합니다.  본 연구는 실제 의료 데이터셋을 사용한 사례 연구를 통해 BigQuery ML의 유용성을 입증하고, 의료 분야에서 ML의 민주화를 위한 가능성을 제시합니다.

### 시사점, 한계점

- **시사점:**

    - BigQuery ML을 이용하여 전문적인 ML 지식 없이도 의료 데이터 분석 및 예측 모델 구축이 가능함을 보여줌.

    - SQL 기반의 접근성 향상으로 의료 전문가들의 ML 활용 저변 확대 가능성 제시.

    - 부스팅 트리 모델의 우수한 성능을 통해 당뇨병 예측과 같은 의료 문제 해결에 효과적임을 증명.

    - BigQuery ML의 확장성과 효율성을 통해 빠르고 효과적인 예측 분석 지원.

    - 의료 의사결정 과정 개선 및 환자 관리 향상에 기여.

- **한계점:**

    - 연구 대상이 당뇨병 예측에 국한되어 다른 질병 예측 및 의료 문제 해결에 대한 일반화 가능성은 제한적임.

    - 사용된 데이터셋의 특성에 따라 모델 성능이 달라질 수 있음.  다양한 데이터셋에 대한 추가적인 연구 필요.

    - BigQuery ML의 비용 및 서비스 접근성에 대한 고려 필요.

    - 모델 해석력 및 설명 가능성에 대한 추가적인 연구가 필요할 수 있음.

[PDF 보기](https://arxiv.org/pdf/2502.07026)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).