머신러닝 기반의 자동차보험 사고 환자의 진료 기간 예측 기술

변경근,이덕규,이형동,변경근 한국융합보안학회 2023 융합보안 논문지 Vol.23 No.1

In order to help reduce the medical expenses of patients with auto insurance accidents, this study predicted the treatment period, which is the most important factor in the medical expenses of patients in their 40s and 50s, and analyzed the factors affecting the treatment period. To this end, a mechine learning model using five algorithms such as Decision Tree was created, and its performance was compared and analyzed between models. There were three algorithms that showed good performance including Decison Tree, Gradient Boost, and XGBoost. In addition, as a result of analyzing the factors affecting the prediction of the treatment period, the type of hospital, the treatment area, age, and gender were found. Through these studies, easy research methods such as the use of AutoML were presented, and we hope that the results of this study will help policies to reduce medical expenses for automobile insurance accidents. 자동차보험 사고 환자의 진료비 감소를 위한 대책 마련에 도움을 주기 위해 본 연구에서는 자동차보험 사고 40대~50대 경상 환자들의 진료비에 가장 핵심 요소인 진료 기간을 예측하고 진료 기간에 영향을 미치는 요인을 분석하였다. 이를 위해 Decision Tree 등 5개 알고리즘을 활용한 머신러닝 모델을 생성하고 모델간에 그 성능을 비교·분석하였다. 진료 기간 예측에 정밀도, 재현율, FI 점수 등 3가지 평가 지표에서 좋은 성능을 나타낸 알고리즘은 Decision Tree, Gradient Boosting 및 XGBoost 등 3가지였다. 그리고 진료 기간 예측에 영향을 미치는 요인 분석 결과, 병원의 종류, 진료 지역, 나이, 성별 등으로 나타났다. 본 연구를 통해 AutoML을 활용한 손쉬운 연구 방법을 제시하였으며, 본 연구 결과가 자동차보험 사고 진료비 경감을 위한 정책에 도움이 되기를 기대한다.

딥러닝 기반 80대·90대·100대 남녀 대상 폐암 진단 후 사망률 예측에 관한 연구

변경근,이덕규,이세영 한국정보전자통신기술학회 2023 한국정보전자통신기술학회논문지 Vol.16 No.2

Recently, research on predicting the treatment results of diseases using deep learning technology is also active in the medical community. However, small patient data and specific deep learning algorithms were selected and utilized, and research was conducted to show meaningful results under specific conditions. In this study, in order to generalize the research results, patients were further expanded and subdivided to derive the results of a study predicting mortality after lung cancer diagnosis for men and women in their 80s, 90s, and 100s. Using AutoML, which provides large-scale medical information and various deep learning algorithms from the Health Insurance Review and Assessment Service, five algorithms such as Decision Tree, Random Forest, Gradient Boosting, XGBoost, and Logistic Registration were created to predict mortality rates for 84 months after lung cancer diagnosis. As a result of the study, men in their 80s and 90s had a higher mortality prediction rate than women, and women in their 100s had a higher mortality prediction rate than men. And the factor that has the greatest influence on the mortality rate was analyzed as the treatment period. 최근 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 그러나, 소규모 환자 데이터와 특정한 딥러닝 알고리즘을 선택·활용, 연구를 진행하여 특정 조건 아래에서 의미 있는 결과를 보여주었다. 본 연구에서는 연구 결과의 일반화를 위하여 환자 대상을 좀 더 확대·세분화하여 80대·90대·100대 남녀 대상으로 폐암 진단 후 사망률 예측 연구 결과를 도출하였다. 건강보험심사평가원의 대규모 진료 정보와 다종의 딥러닝 알고리즘을 제공하는 AutoML을 이용, 80대·90대·100대 남녀의 폐암 진단 후 84개월간의 사망률 예측을 위해 Decision Tree, Random Forest, Gradient Boosting, XGBoost, Logistic Regression 등 5개 알고리즘별 모델을 생성하고 이를 통해 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석도 추진하였다. 연구 결과, 80대와 90대에서 남성이 여성보다 사망 예측률이 더 높았으며 100대에서는 여성의 사망 예측률이 남성보다 높게 나타났다. 그리고 사망률에 가장 큰 영향을 미치는 요인으로는 치료기간으로 분석되었다.

딥러닝 기반 80대·90대 노령자 대상 폐암 진단 후 사망률 예측에 관한 연구

변경근 ( Kyungkeun Byun ),이덕규 ( Deoggyu Lee ),신용태 ( Youngtae Shin ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.1

4차 산업혁명의 확산으로 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 이와 관련, 일부 연구에서 국소적인 환자 데이터의 활용으로 인해 도출된 연구 결과의 일반화가 어려웠으며 예측률 제고를 위해 특정 딥러닝 알고리즘을 중심으로 한 실험이 추진되어 다양한 알고리즘별 예측률의 비교·분석 결과를 제시하는 연구도 미흡하였다. 이에, 건강보험심사평가원의 대규모 진료정보와 다종의 알고리즘을 제공하는 AutoML을 이용, 사망률이 높은 80대·90대 노령자 대상 폐암 진단 후 84개월간의 사망률을 예측하는 Decision Tree 등 5개 알고리즘별 모델을 생성하고 이를 활용, 사망률의 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석 결과를 도출하였다.

분산 탐지의 결함 허용성에 관한 연구

변경근(Kyung-Keun Byun),심영철(Young-Chul Shim) 한국정보과학회 1996 한국정보과학회 학술발표논문집 Vol.23 No.2B

분산 시스템을 효율적으로 관리하기 위해서는 분산 시스템 내에서 발생되는 과잉 밀집 현상이나 고장과 같은 바람직하지 못한 사건이나 상태를 빨리 탐지하여 이에 대한 대응책을 신속히 수립하고 수행하는 것이 중요하다. 본 논문에서는 분산 시스템에서 발생할 수 있는 사건 및 상태의 탐지를 위한 분산 탐지 알고리즘을 개발하고 탐지에 참여한 노드 중 일부에 결함이 발생하여도 탐지 알고리즘이 계속적으로 수행될 수 있도록 분산 탐지 알고리즘에 결함 허용성을 부여하는 방안에 대해 기술한다.

TINA-C ODL 개발 환경의 디자인

변경근,심영철 弘益大學校 科學技術硏究所 1996 科學技術硏究論文集 Vol.7 No.2

TINA-C not only provides basic concepts and a language for specifying distributed applications which provide services in telecommunication networks but also defines a distributed processing environments(DPE) on which distributed applications can be deployed and executed with location and heterogeniety transparency. But an actual environment with which to develop and test distributed applications according to TINA-C concepts dose not exist. In this paper we describe how we can use OMG CORBA to build a distributed development and execution environment for TINA-C. OMG CORBA and TINA-C environments differ in two respects: (1)definition language for distributed applications and (2)distributed servers. The difference in definition languages can be overcome by introducing a translator from the TINA-C definition language to the OMG definition language and adding to the underlying kernel or NCCE certain functions to support stream communications with QoS and transactions. OMG CORBA dose not provide any servers. Therefore, distributed servers such as a trader, an authentication server, and system management servers should be implemented. This paper explains these approaches.3

분산 온라인 네트워크 침입 탐지 및 감시 도구의 설계

변경근(Kyung-Keun Byun),방기식(Ki-Sik Pang),정종모(Jong-Mo Cheong),김용순(Yong-Soon Kim) 한국정보과학회 1998 한국정보과학회 학술발표논문집 Vol.25 No.1A

인터넷 환경이 널리 보급됨에 따라, 기존에 네트워크를 통하여 이용했던 풍부한 정보와 자원의 공유 등의 범위를 넘어, 이제는 전자 상거래, 전자 결제, 상용 서비스 등 많은 신규 응용 서비스를 가능하게 하고 있다. 그러나 이러한 편리함에 반하여 최근 들어 인터넷을 이용한 불법 침입자들에 의한 정보의 파괴 및 유출이 늘어나고 있으며, 실제 금용 사고와 같은 범죄가 더욱 많아지고 이와 관련된 범죄 기술 또한 지능화 되고 있다. 이러한 문제점을 보완하기 위해 적법하지 않은 사용자나 불법 침입자들이 네트워크를 통해 시스템에 접근하여 중요한 정보를 파괴, 변조 및 유출하는 행위를 탐지 및 그에 대한 대응 조치를 취할 수 있는 시스템이 필요하게 되었다. 본 논문에서는 이를 위해 네트워크를 통해 불법 침입을 시도하는 행위를 발견 및 감시할 수 있는, 분산 온라인 네트워크 침입탐지 및 감시 도구의 설계를 제안한다.

온라인 네트워크 침입 탐지 및 감시 도구

변경근(Kyung-Keun Byun),심영철(Young-Chul Shim) 한국정보과학회 1997 한국정보과학회 학술발표논문집 Vol.24 No.2Ⅲ

컴퓨터 통신의 발달로 인하여 정부기관, 학교, 연구소, 기업체등 사회의 모든 분야에 걸쳐 인터넷 환경이 널리보급되고 있다. 이를 통하여 단순한 정보와 자원의 공유에 국한되었던 범위를 넘어 전자 결제, 전자 상거래, 상용 서비스 등 많은 편리함이 제공되고 있다. 그러나 최근 들어 이러한 인터넷을 이용한 불법 침입자들의 정보 유출이나 파괴 혹은 금용 사고와 같은 범죄가 더욱 많아지고 지능화 되고 있다. 이러한 문제점을 보완하기 위해 불법적인 침입자들이 네트워크를 통해 시스템에 접근하여 중요한 정보를 유출 혹은 파괴하는 행위를 탐지 및 대응하기 위한 시스템이 필요로 하게 되었다. 본 논문에서는 이를 위해 네트워크를 통한 불법 침입을 발견 및 감시할 수 있는 온라인 네트워크 침입탐지 및 감시 도구를 제안하고 기술할 것이다.

마이데이터 기본 특성이 서비스와 정부정책에 미치는 영향 연구 - 국내외 사례를 중심으로

이세영,변경근,조성원 한국정보전자통신기술학회 2023 한국정보전자통신기술학회논문지 Vol.16 No.2

Unlike previous studies that dealt with the basic characteristic of My Data in terms of the legal system, this study analyzed the impact of the basic characteristic of My Data, which is finding a balance between the use and protection of personal data, on My Data services and government policies at home and abroad through a literature review to present implications for the creation of a healthy My Data ecosystem. The basic characteristic of My Data acted as facilitators and barriers for the acceptance and activation of My Data services, and suggested the values and directions pursued in the My Data policies of major countries. This suggests that a more balanced perspective is needed in promoting MyData services and government policies in the future. It is hoped that this study will contribute to creating a healthy ecosystem of MyData and promoting desirable government policies. 본 연구는 마이데이터의 건전한 생태계 조성을 위한 시사점을 제시하기 위해 개인데이터의 활용과 보호라는 양면을 지닌 마이데이터의 기본특성을 법제도 측면에 다룬 기존 연구와는 달리, 문헌조사를 통해 국내외의 마이데이터 서비스와 정부정책에 미치는 영향에 대해 분석하였다. 마이데이터의 기본특성은 마이데이터 서비스의 수용과 활성화를 위한 촉진요인과 저해요인으로 작용하며, 주요국가의 마이데이터 정책에 있어 추구하는 가치와 지향점을 제시하고 있었다. 이는 앞으로 마이데이터 서비스와 정부정책을 추진하는데 있어 마이데이터의 기본특성을 반영한 보다 균형잡힌 시각이 필요함을 시사한다고 하겠다. 본 연구는 마이데이터의 건전한 생태계를 조성하고 바람직한 정부 정책을 추진하는데 있어 기여하길 기대한다.

온라인 네트워크 침입 탐지 및 감시 도구

沈永喆,卞慶根,張令敏 弘益大學校 科學技術硏究所 1997 科學技術硏究論文集 Vol.8 No.-

Due to the development in the computer and communication network technology, computers became widely available in every sector in out society and they are being connected by networks. for this reason there is a negative part in Internet environment. Schools, companies, and the government are threaten by hackers. So it is necessary to make Intrusion Detection System that can detect intrusion and manage it. In this paper, we design On-Line Network Intrusion Detection and Monitoring Tools. This tool consists of 4 modules and 3 DB. 3DB consist of Stored DB, Scenario DB, and Important Information DB. First, packet Capturing Module caputres packets in data link level. Second, Packet Analysis And Control Module classifies capturing packets into rlogin, telnet, smtp, ftp protocols and stores them in stored DB and send selected packets to On-Line Intrusion Decision Module. Third, On-Line Intrusion Detection decides Intrusion. Fourth, Monitor And Control Module checks Stored DB for System Security, Information Security and update, delete Stored DB, Scenario DB, and Important Information DB. This tool detects intrusion, but also gain informations about Information security and statistical data of network activities.

건강보험 청구 데이터를 활용한 머신러닝 기반 유방암 환자의 생존 여부 예측

이덕규,변경근,이형동,신선희 한국산업정보학회 2023 한국산업정보학회논문지 Vol.28 No.2

Research using AI and big data is also being actively conducted in the health and medical fields such as disease diagnosis and treatment. Most of the existing research data used cohort data from research institutes or some patient data. In this paper, the difference in the prediction rate of survival and the factors affecting survival between breast cancer patients in their 40~50s and other age groups was revealed using health insurance review claim data held by the HIRA. As a result, the accuracy of predicting patients' survival was 0.93 on average in their 40~50s, higher than 0.86 in their 60~80s. In terms of that factor, the number of treatments was high for those in their 40~50s, and age was high for those in their 60~80s. Performance comparison with previous studies, the average precision was 0.90, which was higher than 0.81 of the existing paper. As a result of performance comparison by applied algorithm, the overall average precision of Decision Tree, Random Forest, and Gradient Boosting was 0.90, and the recall was 1.0, and the precision of multi-layer perceptrons was 0.89, and the recall was 1.0. I hope that more research will be conducted using machine learning automation(Auto ML) tools for non-professionals to enhance the use of the value for health insurance review claim data held by the HIRA.