현장에서 사용가능한 3가지 머신러닝 구조와 방법론에 관 한 연구

Abstract

본 박사학위 논문은 기계학습을 이용하여 현업에서 실질적으로 사용가능한 효율적인 모델 구조 및 방법론을 연구하는 세가지 주제로 이루어져 있다. 첫 번째는 철강 공정에서 유사 공정간에 데이터 및 모델의 전이 가능성에 대한 연구를 다루고 있다. 이 연구에서는 새로운 생산 라인을 위한 전로의 종점 온도 예측 모델을 구축하는데 있어서 기존 전로 데이터를 활용 방법을 제시한다. 데이터 양이 적은 새로운 생산 라인에서 전이 학습을 통해 더 나은 정확하고 안정적인 모델을 구축할 수 있었으며 이 방법은 모델의 빠른 채택을 가능하게 하여 개발 기간을 단축을 통한 유사 공정의 확산에 기여한다. 두 번째 연구는 국가 단위의 건강검진 코호트를 활용한 실제 환경에서 적용할 수 있는 암 예측 모델을 개발을 목표로 한다. 연구 대상은 한국 국민건강보험공단 데이터베이스에 존재하는 40세 이상의 한국인이며 개인의 통계 정보, 기본적인 실험 값, 인체 측정 값 및 이전 병력을 포함하여 데이터베이스에서 모든 변수를 수집하였다. 본 연구에서는 대부분의 사람들이 정상적인 검진 기록을 가지고 있으며 일부의 비정상 집단이 질병에 노출되어 있다는 가정 하에 비지도학습 및 지도학습을 결합한 One-Class Embedding 모델을 개발하였다. 위의 모델은 기존 모델들과 비교하여 간, 폐암, 대장암, 췌장암, 위암, 유방암 및 자궁경부암에 대해 가장 높은 예측 정확도를 보였으며 현장에서 허용 가능한 성능을 보여주었다. 세번째 연구에서는 조혈모세포 이식 후 간 정맥 폐쇄성 질환/동굴 폐쇄 증후군(VOD/SOS)의 위험 인자 및 치료 결과 분석을 진행하였다. 데이터는 대학병원에서 수집된 조혈모세포 이식 환자들로부터 10년 동안 수집되었으며 이를 이용하여 이식 부작용 및 조기 사망 확률을 예측하였다. 조혈모세포 이식의 경우 의사분들은 환자를 치료함에 있어서 명확하게 검증된 치료 방법이 존재하지 않기 때문에 각 의사 경험에 의한 판단으로 치료과정을 선별한다. 이에 따라 본 연구에서는 위험도 예측 모델을 이용하여 개인의 치료 방법에 대한 가이드라인 제시에 초점을 두었으며 생존 곡선 분석을 통해 모델이 추천하는 치료방법에 대한 검증 방법을 제시하였다.

This doctoral thesis consists of three themes to study the efficient model structure and methodology that can be practically used in the field using machine learning. The first deals with the study of the transferability of data and models between similar processes in the steel making process. In this study, we present a method of utilizing existing converter data in constructing a converter endpoint temperature prediction model for a new production line. In a new production line with a small amount of data, better accurate and stable models could be built through transfer learning, and this method enables rapid adoption of the model, contributing to the proliferation of similar processes through shortening the development period. The second study aims to develop a cancer prediction model that can be applied in a real environment using a national health screening cohort. The subjects of this study were Koreans over 40 years of age existing in the database of the National Health Insurance Corporation of Korea, and all variables were collected from the database, including demographic information, basic laboratory values, anthropometric values, and previous medical history. In this study, we developed a one-class embedding model that combines unsupervised and supervised models under the assumption that most people have normal screening records and that some abnormal groups are exposed to diseases. The above model showed the highest predictive accuracy for liver, lung, colorectal, pancreatic, gastric, breast, and cervical cancer compared to existing models and showed acceptable performance in the field. In the third study, risk factors and treatment outcomes of hepatic vein occlusive disease/sinus occlusive syndrome (VOD/SOS) after hematopoietic stem cell transplantation were analyzed. Data were collected for 10 years from hematopoietic stem cell transplantation patients collected at university hospitals and were used to predict transplant side effects and premature death. In the case of hematopoietic stem cell transplantation, doctors select the treatment process based on the judgment based on the experience of each doctor because there is no clearly proven treatment method for treating patients. Accordingly, this study focused on presenting guidelines for individual treatment methods using risk prediction models, and presented a validation method for treatment methods recommended by the model through survival curve analysis.