Leveraging Taxonomy Similarity for Next Activity Prediction in Patient Treatment
Created by
- Haebom
Category
Empty
저자
Martin Kuhn, Joscha Gruger, Tobias Geyer, Ralph Bergmann
개요
본 논문은 의료 분야에서 예측적 업무 프로세스 모니터링(Predictive Business Process Monitoring) 기법 중 하나인 다음 활동 예측(Next-activity-prediction, NAP)을 활용하여 환자 치료 계획을 지원하는 방법을 제시합니다. 전자 건강 기록(EHR)과 같은 기존 환자 데이터의 고도의 지식 집약성, 높은 변동성, 그리고 데이터 부족 문제를 해결하기 위해, 의료 분류 체계(ICD-10-CM 및 ICD-10-PCS)에 담긴 지식을 활용하는 TS4NAP 접근 방식을 제안합니다. TS4NAP는 그래프 매칭을 이용하여 의료 코드 간 유사성을 평가하여 다음 치료 단계를 예측하고, MIMIC-IV 데이터셋을 기반으로 그 효과를 검증합니다. 결과적으로, 의료 분류 체계의 도메인 특정 지식을 활용하여 다음 활동 예측의 정확성을 높이고, 설명 가능성을 향상시켜 치료 계획 및 의사결정을 개선할 수 있음을 보여줍니다.
시사점, 한계점
•
시사점:
◦
의료 분류 체계를 활용하여 NAP의 정확도 및 설명 가능성 향상 가능성 제시.
◦
의료 데이터의 고유한 어려움(지식 집약성, 변동성, 부족)을 해결하기 위한 새로운 접근 방식 제안.
◦
향상된 치료 계획 및 의사결정 지원 가능성 제시.
◦
MIMIC-IV 데이터셋을 활용한 실증적 연구 결과 제시.
•
한계점:
◦
MIMIC-IV 데이터셋에 대한 의존성. 다른 데이터셋으로의 일반화 가능성 검증 필요.
◦
TS4NAP 접근 방식의 확장성 및 실제 의료 환경 적용 가능성에 대한 추가 연구 필요.
◦
다양한 의료 분류 체계 및 그들의 상호작용에 대한 고려 부족 가능성.
◦
예측 성능의 정량적 평가 지표에 대한 자세한 설명 부족 가능성.
