• 한국산학기술학회논문지
• /
• 제16권11호
• /
• pp.7414-7423
• /
• 2015

인지-언어 능력에 대한 노인들의 주관적 호소는 경도인지장애나 치매로의 진전을 예측하는 중요 요인이다. 그러나, 인지-언어 능력의 주 객관적 평가 간 상관성은 연구마다 상이하다. 특히, 양자 간 상관성을 체계적으로 살펴본 국내 연구는 매우 드물다. 본 연구에서는 2000년 이후 게재된 국내외 문헌 중 총 26개 논문을 대상으로 메타분석을 실시함으로써 정상 노년층, MCI, 치매 집단의 자기 보고형 및 정보제공자 보고형 평가와 객관적 평가 간 상관성을 알아보고자 하였다. 질적 분석 결과, 분석에 포함된 연구 대상자의 수는 26~657명이었다. 주관적 평가의 유형은 자기 보고형 75.4%, 정보제공자 보고형 24.6%였으며, 객관적 평가의 하위 영역은 기억력, 전반적 인지능력, 언어능력 등의 순으로 많았다. 메타분석 결과, 자기 보고형 평가와 객관적 평가 간 상관성은 치매 집단이 가장 높았고, 정보제공자 보고형은 세 집단 모두에서 효과적이었다. 객관적 평가의 하위 영역별로는, 정상 노년층에서 자기 보고형과 추론력, 정보제공자 보고형과 기억력 및 언어능력 간에 상관성이 높았다. MCI에서는 자기 보고형과 언어능력 등, 정보제공자 보고형과 전반적 인지능력 등의 영역 간에 높은 상관성이 있었고, 치매 집단에서는 두 유형 모두 기억력, 언어능력, 전반적 인지능력을 잘 반영하였다. 본 연구는 세 집단의 인지-언어 능력에 대한 두 유형의 주관적 평가와 객관적 평가 간 상관성을 체계적으로 분석함으로써 증거 기반적 자료를 제공할 수 있다.

• 비교교육연구
• /
• 제24권5호
• /
• pp.53-70
• /
• 2014

이 연구는 아시아 지역의 대학들이 국제 경쟁력을 강화하기 위한 발전 전략을 수립하는 과정에서 활용될 수 있는 대학의 미래 시나리오를 구안하여 제안할 목적으로 수행되었다. 미국의 미래학자들은 2002년에 휴스턴 대학에서 하먼의 '팬시나리오 기법'을 응용하여 고등교육의 미래를 예측하였다. 2015년까지 많은 대학들이 '사이버 대학'의 기능을 강화할 것이며, 2020년까지는 대학에서 교재가 사라지게 될 것이며, 2025년까지는 행정 중심으로 편성되어 있는 '학사 일정이 사라지는 대학'이 될 것으로 전망하고 있다. 그리고 2025년 이후에는 누구나 자신이 원하는 대학에 진학하여 공부할 수 있는 대학으로 변화할 것으로 내다보고 있으며, 2030년 이후가 되면 캠퍼스 기반의 대학 강의실 수업은 대부분 사라질 것으로 전망하였다. 이러한 기법은 한국 대학의 미래 시나리오를 개발하는 과정에서도 활용되었다. 이 시나리오는 한국의 특수성을 고려하여 개성과 수월성이 강조되는 학습자 관점, 이윤과 효율성을 중시하는 기업의 관점, 복지와 평등성을 최우선으로 여기는 정부의 관점으로 구분하여 예측모델 3개와 대안모델 4개를 제시하고 있다. 아시아의 대학들은 기억력에 기반을 둔 인지 중심의 교육 비중을 줄이고 의식과 감성에 기반을 둔 실무능력을 키우는데 중점을 둘 필요가 있을 뿐만 아니라 학제간 융합을 통해 새로운 일자리를 창출할 수 있는 특성화 교육도 강화시킬 필요가 있다. 특히 아시아의 대학들은 미국과 유럽의 대학들에 비해 자신들만의 강점요인을 심층 분석하여 찾아낸 다음 이를 강화할 수 있는 전략을 수립하고 이를 바탕으로 대학을 특성화해 나가야만 미래에 생존할 수 있다. 아시아 지역의 특성이 반영된 '동양의학'과 서양 학문의 총화인 '정보공학'의 융합은 아시아 대학을 경쟁력 있게 특성화할 수 있는 좋은 사례라 할 수 있다. 따라서 이러한 관점을 바탕으로 하되 서양의 대학들과는 달리 좁은 토지에 상대적으로 많은 인구가 집중되어 있는 아시아 지역의 특수성을 고려하여 평등성이라는 관점에서 예측모델 1개와 대안모델 3개를 구안하여 제시하였다.

• Journal of Gastric Cancer
• /
• 제21권3호
• /
• pp.268-278
• /
• 2021

Purpose: While several prognostic models for the stratification of death risk have been developed for patients with advanced gastric cancer receiving first-line chemotherapy, they have seldom been tested in the Chinese population. This study investigated the performance of these models and identified the optimal tools for Chinese patients. Materials and Methods: Patients diagnosed with metastatic or recurrent gastric adenocarcinoma who received first-line chemotherapy were eligible for inclusion in the validation cohort. Their clinical data and survival outcomes were retrieved and documented. Time-dependent receiver operating characteristic (ROC) and calibration curves were used to evaluate the predictive ability of the models. Kaplan-Meier curves were plotted for patients in different risk groups divided by 7 published stratification tools. Log-rank tests with pairwise comparisons were used to compare survival differences. Results: The analysis included a total of 346 patients with metastatic or recurrent disease. The median overall survival time was 11.9 months. The patients were different into different risk groups according to the prognostic stratification models, which showed variability in distinguishing mortality risk in these patients. The model proposed by Kim et al. showed relative higher predicting abilities compared to the other models, with the highest χ² (25.8) value in log-rank tests across subgroups, and areas under the curve values at 6, 12, and 24 months of 0.65 (95% confidence interval [CI]: 0.59-0.72), 0.60 (0.54-0.65), and 0.63 (0.56-0.69), respectively. Conclusions: Among existing prognostic tools, the models constructed by Kim et al., which incorporated performance status score, neutrophil-to-lymphocyte ratio, alkaline phosphatase, albumin, and tumor differentiation, were more effective in stratifying Chinese patients with gastric cancer receiving first-line chemotherapy.

• 자원환경지질
• /
• 제52권2호
• /
• pp.199-212
• /
• 2019

머신러닝 기법을 활용한 분석에서 훈련 데이터의 샘플링 전략은 예측 정확도 뿐 만 아니라 일반화 능력에도 많은 영향을 미친다. 특히, 산사태 취약성 분석의 경우, 산사태 발생부에 대한 정보에 비해 산사태 미발생부에 대한 정보가 과도하게 많은 데이터 불균형 현상이 발생하며, 이에 따라 분석 모델의 훈련 데이터 설계 시 데이터 샘플링 과정이 필수적이다. 그러나 기존의 연구들은 대부분 산사태 미발생부 선택 시 발생부 데이터와 1:1의 비율을 갖도록 무작위로 선택하는 방법을 적용하였을 뿐, 특정한 선택 기준에 따라 분석을 수행하지 않았다. 따라서 본 연구에서는 훈련 데이터의 샘플링 전략이 모델의 예측 성능에 미치는 결과를 확인하기 위하여 산사태 발생부와 미발생부의 샘플링 전략기준에 따라 서로 다른 6개의 시나리오를 만들어 Random Forest 모델의 훈련에 사용하였다. 또한 Random Forest의 결과 중 하나인 변수 중요도를 각 산사태 유발인자들에 가중치로 곱하여 줌으로써 산사태 취약지수 값을 산정하였으며, 취약지수 값을 이용해 산사태 취약성도를 제작하고 각 결과 지도의 정확도를 비교 분석하였다. 분석 결과, 훈련데이터의 샘플링 방법에 상관없이 두 지역의 산사태 취약성 분석 결과는 모두 70~80%의 정확도를 보였다. 이를 통해 Random Forest 기법의 산사태 취약성 분석기법으로서의 적용 가능성을 확인하였으며, Random Forest 모델이 제공하는 입력변수의 중요도를 산사태 유발인자 가중치로 활용할 수 있음을 확인하였다. 또한 훈련 시나리오 간의 정확도를 비교한 결과, 특정한 기준에 의해 훈련 데이터를 설계하는 것이 기존의 랜덤 선택 방법보다 높은 예측 정확도를 기대할 수 있음을 확인하였다.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.132-145
• /
• 2022

본 연구는 고속도로에서 발생한 교통사고 블랙박스 영상을 기반으로 군집분석과 예측모형 비교를 수행하였다. 분석자료로 사고 직전의 도로 및 교통 상황을 파악할 수 있는 차량 주행행태, 노면 상태 등 사고 영상에서 추출이 가능한 항목을 설명변수로 활용하였다. 여러 요소에 의해 영향을 받는 교통사고 데이터의 특징을 고려하여 데이터의 이질성을 반영하는 군집분석을 활용하였다. 군집분석으로 분류된 각 군집을 사고 심각도 수준의 비율을 기준으로 나누고, 종속변수인 인명피해 수준을 반영하여 사고 예측 평가를 수행하였다. 사고 예측모형은 로짓 모형(Logit model)을 적용한 결과, 전체 데이터를 분석한 경우보다 군집분석에 의해 두 개의 사고 심각도 그룹을 분류하여 예측했을 때 우수한 예측 능력을 보여주었다. 이는 군집분석을 통한 그룹별 사고 특성과 사고 심각도를 반영하여 사고위험을 예측하는 것이 더 효과적인 것으로 판단된다. 또한 2차 사고와 같은 정차 중 추돌사고, 차로변경 중 측면 추돌사고 등이 중요한 주행행태변수로 작용하는 것으로 나타났다.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.87-96
• /
• 2022

고령보행자를 포함한 교통약자는 신체적 능력이 저하되어 보행속도가 상대적으로 낮으며, 인지반응시간이 느린 특성을 가지고 있지만, 현재 교통약자를 위한 보행신호는 0.8m/s로 일률적으로 적용하고 있다. 문제점을 개선하기 위하여 스마트 횡단시스템이 개발되어 운영되고 있지만, 보행자별 적정 보행속도를 반영한 신호운영이 이루어지지 못하고 있다. 본 연구에서는 교통약자비율이 높은 지역에서 수집된 영상정보를 활용하여, 교통약자의 종류, 보행자의 수, 도로의 기하구조 등을 고려한 신경망모형과 다중회귀모형기반의 횡단속도 추정모델을 개발하였다. 이를 통해 개발된 모델을 스마트횡단시스템에 적용하여 실시간 교통약자에 따른 최적 보행신호 제공을 지원하고자 하였다. 경기도 파주시의 도시 교통 네트워크에서 수집된 실제 교통 상황 데이터 2,400개를 사용하였다. 모델의 성능은 상관계수, 평균 절대오차 등 7개의 선택된 지표를 통해 평가되었다. 다중선형회귀모델은 상관 계수가 0.652이고 MAE가 0.182였으며, 신경망모델은 상관계수가 0.823이고 MAE가 0.105로 나타나. 신경망모델이 더 높은 예측력을 보였다.

• 대한소아치과학회지
• /
• 제50권3호
• /
• pp.263-276
• /
• 2023

이 연구의 목적은 소아의 치근단 방사선 사진에서 인접면 우식증 객체 탐지 의 객체 탐지를 위해 YOLO (You Only Look Once)를 사용한 모델의 성능을 평가하는 것이다. M6 데이터베이스에서 학습자료군으로 2016개의 치근단 방사선 사진이 선택되었고 이 중 1143개는 한 명의 숙련된 치과의사가 주석 도구를 사용하여 인접면 우식증을 표시하였다. 표시한 주석을 데이터 세트로 변환한 후 단일 합성곱 신경망(CNN) 모델을 기반으로 하는 YOLO를 데이터 세트에 학습시켰다. 187개의 평가자료군에서 객체 탐지 모델 성능 평가를 위해 정확도, 재현율, 특이도, 정밀도, NPV, F1-score, PR 곡선 및 AP를 계산하였다. 결과로 정확도 0.95, 재현율 0.94, 특이도 0.97, 정밀도 0.82, NPV 0.96, F1-score 0.81, AP 0.83으로 인접면 우식증 탐지에 좋은 성능을 보였다. 이 모델은 치과의사에게 치근단 방사선 사진에서 인접면 우식증 병변을 객체 탐지하는 도구로 유용하게 사용될 수 있다.

• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.399-408
• /
• 2022

본 연구에서는 65세 이상 고령자를 대상으로 대사증후군 진단을 위한 지질비율 지표의 유용성을 비교하고자 하였다. 2018년 1월부터 2020년 12월까지 서울지역 종합병원에서 건강검진을 받은 65세 이상 1,464명을 대상으로 하였다. 혈액검사를 통해 혈장 동맥경화 지수를 포함한 지질비율 지표를 측정하였다. 지질비율 지표의 사분위수에 따른 대사증후군 유병률은 로지스틱 회귀분석으로 확인하였다. 또한 수신자 조작 특성(receiver operating characteristic, ROC) 곡선으로 지질비율 지표의 대사증후군 예측능력과 절단값을 추정하였다. 동맥경화 지수와 허리둘레의 상관성이 남녀 모두에서 가장 높았으며(r=0.278, p<0.001 vs r=0.252, p<0.001), 지질비율 지표는 1사분위수와 비교하여 4사분위수에서 대사증후군 발병률이 높았다. 혈장 동맥경화 지수는 다른 지질비율 지표보다 ROC 곡선 아래의 면적(area under the ROC curve; AUC)값이 남녀 각각 0.826(95% CI=0.799-0.850), 0.852(95% CI=0.820-0.881)로 가장 높게 나타났으며, 최적 절단값은 남녀 모두 0.44였다(p<0.001). 따라서 지질비율 지표 중 혈장 동맥경화 지수는 65세 이상 고령자의 대사증후군 진단에 가장 유용한 지표로 나타났다.

• 생명과학회지
• /
• 제33권6호
• /
• pp.490-497
• /
• 2023

임산부의 기존 질병 또는 임신 중 발생한 질병을 치료하기 위한 약물의 사용은 태아에게 잠재적인 위협이 될 수 있으므로 약물의 태아 독성 여부를 예측하는 것이 필수적이다. 하지만 약물의 태아 독성을 밝혀내는 것은 많은 시간과 비용을 필요로 하며 인간 태아에게서 독성 작용을 나타내는 근거가 불분명하다. 이에 따라 최근 태아 독성 평가를 위한 시험 설계의 현대화, 예측성 개선, 동물 사용 및 투자 비용 감소를 위한 in silico 태아 독성 평가 모델의 필요성이 대두되고 있다. 본 연구는 태아 독성 정보를 수집하고 다양한 기계학습 알고리즘을 적용하여 태아 독성 예측이 가능한 모델을 구축하였으며, 태아 독성 예측 모델의 입력 값으로 활용하기 위해 각 약물에 대한 구조적 및 생리학적 특성 벡터를 생성하였다. 이후 예측 정확도 개선을 위해 초매개변수를 조정하여 모델을 최적화 하였다. 개발한 태아 독성 예측 모델의 유효성을 검증하기 위해 학습 셋과 독립된 테스트 셋을 활용하여 정량적 성능 평가를 수행하였으며, 모든 모델의 약물 및 약물 후보 물질의 태아 독성 여부를 예측할 수 있는 것을 확인하였다(AUROC>0.85, AUPR>0.9). 나아가, 예측 모델의 특성 중요도를 분석하여 태아 독성과 관련성이 높은 약물의 특성을 제시하였다. 제안한 모델은 적은 비용과 시간으로 예측 점수를 제공함으로써 인간에 대한 태아 독성 연구를 설계하는 과정에 도움이 될 것을 기대한다.

• 지식경영연구
• /
• 제25권2호
• /
• pp.19-47
• /
• 2024

기업의 데이터 분석 및 활용 역량은 전사 차원의 지식경영과 의사결정에 중요한 역할을 한다. 이 연구는 대형 언어 모델이 기업데이터 분석에서 어떻게 활용될 수 있는지 알아보고자 수행되었다. 구체적으로 인적자원 분야에 초점을 맞추어, 대형 언어 모델의 데이터 분석 역량을 검증해 보았다. 이를 위해 인사분야에서 많은 연구가 이루어져온 공개데이터셋 IBM HR 데이터를 소재로, 선행연구들에서 이루어진 머신러닝 기반 이직자 예측 분석을 ChatGPT를 통해 재현하고 그 예측성능을 비교해보았다. 고급 프로그래밍 역량이 필요했던 과거 연구방식과 달리, 분석가의 자연어 요청으로 진행한 ChatGPT 기반 머신러닝 데이터 분석은 훨씬 쉽고 빠르다는 장점이 있었고, 예측 정확도 역시 선행연구와 비교해 경쟁력 있는 수준을 기록했다. 이는 그동안 고급 프로그래밍 역량이 요구되던 기업데이터 분석 분야에서, ChatGPT를 비롯한 대형 언어 모델들이 효과적이고 실질적인 대안이 될 수 있다는 가능성을 시사한다. 또한 이를 통해 데이터 분석의 대중화 나아가 데이터 기반 의사결정(DDDM: Data-Driven Decision Making)의 확산에도 기여할 수 있을 것으로 기대된다. 데이터분석 과정에서 사용한 프롬프트와 ChatGPT가 생성한 프로그래밍 코드도 부록에 수록하여 검증 가능하게 함으로써, 향후 대형 언어 모델을 활용한 데이터분석 연구의 초석을 제공하고자 한다.