CART·Apriori 기반 임상 의사결정과 족부 장애 규칙 추출 연구

Clinical Decision Support and Foot Disorder Rule Extraction Using CART and Apriori

연구 내용

임상 및 생체역학 변수로부터 CART와 Apriori 연관규칙을 적용해 족부 장애 분류·처방 규칙을 도출하고, 데이터 기반 치료 보조 모델을 제안하는 연구

족부 변형과 증상 관련 파라미터를 입력 변수로 구성한 뒤, CART(classification and regressing tree) 모델을 통해 맞춤형 족부 보조기 처방 규칙을 생성합니다. 또한 소아 족부 질환 기록을 대상으로 Apriori 알고리즘 기반 연관규칙 마이닝을 수행하여 질환군 간 의미 있는 공존 패턴을 추출합니다. 이 과정에서 전처리 및 변수 선택을 통해 규칙의 해석 가능성을 확보하고, 임상의가 활용할 수 있는 의사결정 형태로 결과를 정리하는 데 중점을 둡니다. 데이터마이닝 기반 접근으로 치료 전략 수립 시간을 단축하는 근거를 마련합니다.

관련 프로젝트

0건

연구 흐름

2022년에 소아 족부 질환 데이터에서 Apriori 연관규칙을 이용해 질환군과 생체역학 파라미터 간 유의한 규칙을 탐색하는 연구를 수행했습니다. 같은 해에 성인 대상 족부 보조기 처방을 목표로 CART 기반 예측 및 처방 규칙 생성으로 전환하여, 임상 변수 중요도를 기준으로 입력 파라미터를 선정하고 규칙을 생성하는 흐름을 확립했습니다. 이후에는 더 많은 임상 데이터를 확보해 모델의 정밀도와 처방 안정성을 높이는 방향으로 후속 연구를 추진하는 계획을 포함하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

족부 보조기 맞춤 처방 의사결정 도구
소아 족부 질환 위험 패턴 탐색
임상 데이터 전처리 표준화
치료 프로토콜의 데이터 기반 근거
해석 가능한 규칙형 임상 AI
진단 보조 모델의 변수 선정 절차
데이터 마이닝 기반 분류 전략
환자군 특성 기반 치료 매칭
규칙 기반 처방 워크플로우
임상 의사결정 효율 향상