0 805

Cited 0 times in

Machine learning expert supporting system for diagnosis presumption of lymphoid neoplasms and histologically unclassifiable tumors using probabilistic decision tree algorithm and immunohistochemistry profile database

Other Titles
 면역조직화학염색 데이터베이스와 의사결정나무 알고리즘을 이용한 림프종과 조직학적 분류가 어려운 종양의 감별진단 
Authors
 정요셉 
Degree
박사
Issue Date
2018
Description
Department of Medicine/박사
Abstract
연구배경 : 면역조직화학염색(이하 면역염색)은 항원-항체 반응을 통해 특정 단백질 발현을 현미경하에서 쉽게 확인할 수 있게 해 주는 기술로서, 1960년대 처음 개발된 이래 발전을 거듭하여 현재에는 종양의 병리학적 감별진단에 있어서 필수적인 중요한 검사법이다. 최근 그 활용분야는 더욱 넓어져서 종양의 아형 분류 및 기원판별, 예후예측 및 표적치료 효과평가 등 다양한 분야에 활용되고 있다. 그러나 면역염색의 판독은 병리의사의 정성적 평가에 의존되어 있고, 새로운 면역염색 항체와 질병관련정보가 기하급수적으로 쏟아지며, 다발성 암환자와 같이 복잡한 병력의 고난이도 진단이 늘어남에 따라 그 결과해석이 인간의 두뇌로만 풀어나가기 점차 어려워 지고 있다. 한편 최근 머신러닝 알고리듬을 전문분야에 접목하여 난제를 풀고자 하는 시도가 늘어나고 있다. 본 연구자는 이에 착안하여 베이지안 이론에 근거하는 머신러닝 알고리듬인 의사결정나무를 기반으로 면역결과로 림프종 및 조직학적 분류가 어려운 종양의 진단을 추정하는 전문가 보조 시스템 개발을 계획하였다. 재료 및 방법 : 베이지안 이론에 근거한 의사결정나무 알고리듬을 디자인하고 이를 iOS와 Android환경에서 구현할 수 있는 모바일 어플리케이션의 형태로 개발하였다. 알고리듬의 기반이 되는 면역염색 데이터베이스는 WHO classification series를 포함한 다수의 교과서와 문헌의 내용을 토대로 작성하였다. 소프트웨어의 유용성은 실제 림프종 데이터 (639개 트레이닝 데이터와 392개 검증 데이터)와 조직학적 분류가 어려운 종양 데이터 (634개 트레이닝 데이터와 382개 검증 데이터)를 이용하여 진단추정 정확도를 평가하였고, 트레이닝 데이터와 검증 데이터간 정확도 차이를 분석하였다. 결과 : 상위 10개의 추정진단과 원진단을 비교하여 진단추정 정확도를 분석한 결과, 림프종의 트레이닝 데이터에서는 94.7%, 검증 데이터에서는 95.7%의 정확도를, 조직학적 진단이 어려운 종양의 트레이닝 데이터에서는 78.5%, 검증데이터에서는 78.0%의 정확도를 보여주어, 림프종과 조직학적 진단이 어려운 종양에서 모두 트레이닝 데이터와 검증 데이터 그룹간에 통계학적으로 유의하지 않은 정확도 차이를 확인할 수 있었다. 부정확한 추정진단의 주된 원인은 질병간 유사하거나 겹치는 면역염색 프로파일이 존재하는 경우 또는 질병특이적인 마커가 없는 경우 등이었다. 결론 : 본 연구를 통해 저자는 머신러닝 알고리듬을 이용한 전문가 보조 시스템이 면역염색을 이용한 진단추정에 이용될 수 있음을 확인할 수 있었고, 트레이닝 데이터 및 검증 데이터에서 모두 비교적 적절한 수준의 진단 추정정확도를 얻을 수 있음을 확인할 수 있었다. 그러나 특정 감별진단의 경우, 기원특이적 또는 질병특이적인 마커가 없는 등의 제한점으로 인해 면역염색소견만으로 추정진단을 정확하게 도출해 낼 수 없을 수 있으므로 전문가 보조시스템을 이용하여 보다 정확한 병리진단에 도움을 받기 위해서는 임상 및 병리학적 소견을 종합한 적절한 적용이 필요할 것으로 사료된다.
Appears in Collections:
1. College of Medicine (의과대학) > Others (기타) > 3. Dissertation
URI
https://ir.ymlib.yonsei.ac.kr/handle/22282913/160084
사서에게 알리기
  feedback

qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse

Links