• 동국한의학연구소논문집
• /
• 제8권2호
• /
• pp.115-129
• /
• 2000

동물성(動物性) 지방섭취량(脂肪攝取量)의 증가(增加), 운동부족(運動不足), 비만(肥滿), 스트레스의 가중(加重), 고령화(高齡化)의 증가(增加) 등(等)의 원인(原因)으로 순환기계질환(循環器系疾患)의 발병률(發病率)이 증가(增加)하고 있으며, 이러한 순환기계질환(循環器系疾患)의 위험인자(危險因子)로서 혈전증(血栓症)이 중요(重要)하게 대두되고 있다. 특히 최근 문제시되고 있는 협심증(狹心症)이나 심근경새(心筋梗塞)등의 허혈성(虛血性) 심질환(心疾患)은 혈소판응집(血小板凝集)에 의해 일어나는 혈전형성(血栓形成)에 기인(起因)하고 있다. 한의학(韓醫學)에서 혈전증(血栓症)은 어혈(瘀血)의 범주(範疇)에 속(屬)하며, 어혈(瘀血)은 각종 병리적(病理的) 원인(原因)에 의해 발생한 전신성(全身性) 또는 국소성(局所性)의 혈액순환(血液循環) 장애(障碍) 또는 혈류정체(血流停滯)와 그에 수반되는 일련의 증후(症候)를 나타내며, 경계정충, 고창(鼓脹), 적취(積聚), 미하, 전광(癲狂), 중풍등(中風等)의 발병원인(發病原因)이 된다. 또한 어혈(瘀血)에 의한 각종 증후(症候)에는 활혈거어제(活血祛瘀劑) 또는 구어혈제(驅瘀血劑)등이 사용되고 있다. 본(本) 연구(硏究)에서는 한의학(韓醫學)에서 어혈증(瘀血症)으로 야기(惹起)되는 여러 가지 증상(症狀)의 개선에 사용되는 구어혈제(驅瘀血劑)들의 혈소판응집(血小板凝集)에 미치는 영향을 검색하기 위하여 계지복령환(Geijibokryunghwan; GBH) 및 그 구성약물(構成藥物)을 사용(使用)하였다. 계지복령환은 "금궤요략" 에 있는 방(方)으로써 거사부상정(祛邪不傷正)하고 조기한열(調氣寒熱)하여 예로부터 구어혈제(驅瘀血劑)로 사용되어 왔다. 이에 계지복령환 및 그 구성약제(構成藥劑)의 ADP, AA 또는 collagen으로 유도되는 혈소판응집(血小板凝集)에 대하여 억제효과(抑制效果)를 탐색(探索)한 결과(結果), 계지복령환 및 개별(個別) 구성약물(構成藥物)의 혈소판응집억제작용(血小板凝集抑制作用)을 확인하였고, 혈소판응집(血小板凝集)으로 야기(惹起)되는 혈전증(血栓症)등에 계지복령환 및 개별(個別) 구성약물(構成藥物)은 매우 임상실험적(臨床實驗的) 응용가치(應用價値)가 있는 것으로 생각되었다.

• Tuberculosis and Respiratory Diseases
• /
• 제49권5호
• /
• pp.601-613
• /
• 2000

연구배경 : 통상성 간질성 폐섬유증(usual interstitial pneumonia : UIP)은 특발성 간질성 폐렴(Idiopathic interstitial pneumonia : I.I.P)의 한 형태로서 생존기간 중앙값이 약 3-5 년 정도로 보고되는 치명적인 질환으로 알려져 있으나, 최근 분류된 BOOP이나 NSIP등을 제외한 순수한 UIP환자들만을 대상으로 임상경과나 예후에 대한 연구는 외국에서도 극소수아고, 국내에서는 보고된 바가 없다. 이에 연구자들은 수술적 폐생검 검사로 확진된 UIP 환자들의 임상경과와 예후의 예측 지표를 찾고자 본 연구를 시행하였다. 방법 : 1989년 3월부터 1999년 8월까지 서울중앙병원에서 개흉 또는 흉강경을 통한 폐생검검사로 UIP로 진단된 72명(연령 $58.2{\pm}11.6$세, 남 : 여=45:27, 관찰기간 중앙값 : 18.1개월 (0.7-103.6개월))을 대상으로 하였다. 진단시의 임상증상과 흉부고해상도단층촬영, 폐기능검사, 동맥혈 가스검사 등을 증상점수(C) (1-20점), 방사선학점수(R)(봉와양 소견 : 0-5점, 젖빛유리야 소견 : 0-5점) 및 생리적검사점수(P) (FVC 1-12점, $FEV_1$ 0-3점, TLC 1-10점, $D_{LCO)$ 0-5점, $AaDO_2$ 0-10점)로 수치화하여 CRP 접수를 계산하였다. 임상경과와 진단시의 CRP점수, 기관지 폐포세척액검사 등을 비교 분석하여 예후의 예측지표를 검색하였다. 결과 : 1) 대상 UIP환자들의 1년 누적생존률은 78.3%, 3년 누적생존률은 58.1% 였고, 생존기간 중앙값은 42.5개월이었다. 2) 단기(1년)예후 : 단기 사망군(14명)은 생존군(46명)에 비하여 전체CRP점수($28.6{\pm}8.3$ vs. $16.6{\pm}9.7$)가 높았으며, 이는 주로 증상점수($8.4{\pm}2.1$ vs. $5.7{\pm}3.9$)와 FVC, $D_{LCO)$, $AaDO_2$를 포함하는 생리적검사점수 $v{\pm}7.5$ vs. $8.1{\pm}7.3$)의 차이에 기인하였다. 또한 호전 혹은 안정군(61.7%)과 악화군 및 사망군(38.3%) 사이에는 연령과 흡연률, 진단당시의 CRP점수(증상점수, FVC, $AaDO_2$, $D_{LCO)$)가 유의한 차이가 있었다. 그러나 방사선학점수, TLC 및 기관지폐포세척액소견 등은 유의한 차이가 없었다. 2) 장기(3년) 예후 : 장기생존군(14명)은 사망군(22명)에 비하여 역시 진단시 총CRP점수($12.2{\pm}6.7$ vs. $28.7{\pm}7.9$)와 증상점수, FVC, $D_{LCO)$, $AaDO_2$)가 차이가 있었다. 3) 생존기간분석에서도 총 CRP 점수와 증상점수, $AaDO_2$ FVC, $D_{LCO)$가생존기간과 유의한 상관관계를 보였다. 4) Cox 회기분석을 이용한 다변수 분석에서는 $D_{LCO)$ (${\geq}$60% : Hazard ratio : 4.56, 95% CI : 2.30-16.04)만이 UIP환자 사망의 독립적인 예측인자로 나타났다. 결론 : 이상의 결과는 UIP 진단시의 $D_{LCO)$는 UIP환자의 예후를 예측할 수 있는 임상적 지표임을 시사하였다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.107-129
• /
• 2022

기술경쟁이 심화되고 있는 오늘날 신기술에 대한 선도적 위치의 선점이 중요하다. 선도적 위치의 선점과 적정시점에 기술 획득·관리를 위해 이해관계자들은 지속적으로 기술에 대한 탐색활동을 수행한다. 이를 위한 참고 자료로서 가트너 하이프 사이클(Gartner Hype Cycle)은 중요한 의미가 있다. 하이프 사이클은 기술수명주기(S-curve)와 하이프 수준(Hype Level)을 결합하여 새로운 기술에 대한 대중의 기대감을 시간의 흐름에 따라 나타낸 그래프이다. 새로운 기술에 대한 기대는 기술사업화뿐만 아니라 연구개발 투자의 정당성, 투자유치를 위한 기회의 발판이 된다는 점에서 연구개발 담당자 및 기술투자자의 관심이 높다. 그러나 산업계의 높은 관심에 비해 실증분석을 시도한 선행연구는 다양하지 못하다. 선행문헌 분석결과 데이터 종류(뉴스, 논문, 주가지수, 검색 트래픽 등)나 분석방법은 한정적이었다. 이에 본 연구에서는 확산의 주요한 채널이 되어가고 있는 소셜네트워크서비스의 데이터를 활용하여 'Gartner Hype Cycle for Artificial Intelligence, 2021'의 단계별 기술들에 대한 집단구조(커뮤니티)의 특성과 커뮤니티 간 정보 확산패턴을 분석하고자 한다. 이를 위해 컴포넌트 응집규모(Component Cohesion Size)를 통해 각 단계별 구조적 특성과 연결중심화(Degree Centralization)와 밀도(Density)를 통해 확산의 방식을 확인하였다. 연구결과 기술을 수용하는 단계별 집단들의 커뮤니케이션 활동이 시간이 지날 수록 분절이 커지며 밀도 역시 감소함을 확인하였다. 또한 새로운 기술에 대한 관심을 촉발하는 혁신태동기 집단의 경우 정보확산을 촉발하는 외향연결(Out-degree) 중심화 지수가 높았으며, 이후의 단계는 정보를 수용하는 내향연결(In-degree) 중심화 지수가 높은 것으로 나타났다. 해당 연구를 통해 하이프 사이클에 관한 이론적 기초를 제공할 것이다. 또한 인공지능기술에 대한 기술관심집단들의 기대감을 반영한 정보확산의 특성과 패턴을 소셜데이터를 통해 분석함으로써 기업의 기술투자 의사결정에 새로운 시각을 제공할 것이다.