상세정보

헬스케어에서 말하는 (1)건강 결과에 대한 개선 (2)비용 절감 (3)강화된 환자 경험이라는 헬스케어 3대 목표(Healthcare Triple Aim)가 있다. 여기에 한발 더 나아가 (4)헬스케어 제공자의 업무 환경 개선이라는 헬스케어 4대 목표(Quadraple Aim)를 달성할 수 있도록 이 책에서는 파이썬을 사용한 간단한 사례를 들어 인공지능(머신러닝) 활용법을 알려준다.

◈ 이 책에서 다루는 내용 ◈

◆ 헬스케어 인사이트, 재정, 입법
◆ 머신러닝과 헬스케어 프로세스간의 연관성
◆ SQL과 파이썬을 사용한 데이터 분석
◆ 헬스케어 질과 서비스 제공자의 수행 능력 측정
◆ 훌륭한 헬스케어 모델을 만드는 데 필요한 특징과 속성에 대한 파악
◆ 실제 헬스케어 데이터를 사용한 예측 모델
◆ 정형화된 임상 데이터를 사용한 예측 모델
◆ 헬스케어 애널리틱스의 미래

◈ 이 책의 대상 독자 ◈

파이썬이나 그와 비슷한 언어를 어느 정도 알고 있으면서 헬스케어 분야나 헬스케어 데이터를 사용한 예측 모델링에 관심이 있는 독자를 위한 책이다. 애널리틱스나 헬스케어에 관련한 컴퓨팅에 관심이 있다면 도움이 될 것이다. 또한 헬스케어에 사용될 수 있는 머신러닝을 공부하려는 학생들에게도 유용할 것이다.

◈ 이 책의 구성 ◈

1장. ‘헬스케어 애널리틱스 개론’에서는 헬스케어 애널리틱스에 대한 개론으로 그 정의와 몇 가지 기초 주제, 역사, 실제 사례를 소개하고, 이 책에서 사용될 소프트웨어를 다운로드해 설치하는 방법과 기본 사용법을 설명한다.
2장. ‘헬스케어의 기초’에서는 헬스케어의 기초를 알아본다. 미국에서 헬스케어가 어떻게 구조화되고 전달되는지 개략적으로 살펴본다. 그런 다음 헬스케어 애널리틱스에 관련된 법률들을 소개한다. 그리고 임상에서 사용되는 환자 데이터, 코딩 시스템을 설명하고 헬스케어 애널리틱스를 분류해본다.
3장. ‘머신러닝의 기초’에서는 머신러닝의 기초를 다룬다. 의학적 의사 결정에 사용되는 모델 프레임워크들과 머신러닝 파이프라인을 설명하고, 모델 평가를 위한 데이터 임포트(data import)를 다룬다.
4장. ‘컴퓨팅의 기초, 데이터베이스’에서는 컴퓨팅의 기초로 데이터베이스에 대한 개론을 설명한다. SQL 언어를 소개하고 헬스케어 예측적 애널리틱스를 실행할 때 SQL을 사용한 예를 소개한다.
5장. ‘컴퓨팅의 기초, 파이썬 언어’에서는 컴퓨팅의 기초로 파이썬 언어를 설명한다. 파이썬 언어를 개략적으로 살펴보고, 애널리틱스를 수행할 때 중요한 라이브러리들을 소개한다. 파이썬에서의 변수 타입, 데이터 구조, 함수, 모듈을 설명하고 판다스 패키지, 사이킷런의 기초적인 사용법을 다룬다.
6장. ‘헬스케어 질 측정’에서는 헬스케어 질 측정을 설명한다. 헬스케어 수행 평가에 사용되는 지표들과 미국에서 사용되는 가치 기반 접근법의 개요를 소개한다. 그리고 파이썬 언어로 서비스 제공자에 기초한 데이터를 다운로드하고 분석하는 예를 보여줄 것이다.
7장. ‘헬스케어 예측 모델 만들기’에서는 헬스케어에서의 예측 모델 만들기를 설명한다. 공개된 임상 데이터셋에 포함돼 있는 정보를 소개하고 다운로드 방법을 기술한다. 그런 다음 파이썬, 판다스, 사이킷런을 사용해 예측 모델을 만드는 방법을 살펴본다.
8장. ‘헬스케어 예측 모델 리뷰’에서는 헬스케어 예측 모델을 설명한다. 일부 선택된 질환들을 대상으로 한 헬스케어 예측적 애널리틱스 분야에서 현재 진행되고 있는 부분을 리뷰하고, 전통적인 방식을 사용한 방법들과 머신러닝 결과들을 비교해본다.
9장. ‘미래 - 헬스케어와 떠오르는 기술들’에서는 인터넷 사용을 통해 헬스케어 애널리틱스 분야에서 이뤄지고 있는 몇 가지 발전을 설명한다. 그리고 딥러닝 기술을 헬스케어 애널리틱스에 사용하는 것과 헬스케어 애널리틱스 분야의 도전적인 문제 및 한계점을 언급한다.

정보제공 :

1장. 헬스케어 애널리틱스 개론 

__헬스케어 애널리틱스란? 

____헬스케어는 고급 컴퓨팅 기술을 사용한다 

____헬스케어 애널리틱스는 헬스케어 산업을 다룬다(너무나 당연하게도!) 

____헬스케어 애널리틱스는 의료의 질을 개선한다 

______건강 결과에 대한 개선 

______비용 절감 

______의료의 질 보장 

__헬스케어 애널리틱스의 기초 

____헬스케어 

____수학 

____컴퓨터 과학 

__헬스케어 애널리틱스의 역사 

__헬스케어 애널리틱스의 응용 사례 

____환자 케어를 위한 데이터 시각화 

____진단과 치료에 대한 예측 

____헬스케어 제공자의 질과 실적에 대한 측정 

____실제 환자 치료에 응용 

__소프트웨어 둘러보기 

____아나콘다 

______아나콘다 내비게이터 

______주피터 노트북 

______스파이더 통합 개발 환경 

____SQLite 

____커맨드라인 툴 

____텍스트 에디터 설치 

__요약 

__참고 자료 



2장. 헬스케어의 기초

__미국에서 헬스케어 서비스가 전달되는 방법 

____헬스케어 산업의 기초 

____보건 재정  

______행위별 수가제 

______가치 기반 케어 

____헬스케어 정책 

______환자 권리와 프라이버시 보호 

______전자 의무 기록 채용 정도 

______가치 기반 케어를 발전시키려는 노력 

______헬스케어 애널리틱스의 진보 

__환자 데이터: 환자에서 컴퓨터까지의 여정 

____초진 기록지 

______메타데이터와 주소 

______현병력 

______과거력 

______약물력 

______가족력 

______사회력 

______알러지 

______계통 문진(시스템 리뷰) 

______신체검사 

______객관적 데이터(검사실 검사, 이미징, 기타 검사) 

______평가와 계획 

____경과 기록지 

__표준화된 임상 코드셋 

____ICD 

____CPT 

____LOINC 

____NDC 

____SNOMED-CT 

__헬스케어 애널리틱스 쪼개 보기 

____인구 집단  

____의학적 과제 

______질병 선별 

______진단 

______질병 결과와 예후 

______치료에 대한 반응 

____데이터 포맷 

______정형 데이터 

______비정형 데이터 

______영상 기록 

______기타 데이터 포맷 

____질병 

______급성 대 만성 질환  

______암 

______다른 질환들 

____종합해보기 - 머신러닝의 목적을 명시적으로 표현하기 

__요약 

__참고 자료와 더 읽을거리 



3장. 머신러닝의 기초

__의학적 의사 결정을 위한 모델 프레임워크 

____나무와 비슷한 추론 

______알고리즘과 나무를 사용한 카테고리 분류 추론 

______대응하는 머신러닝 알고리즘 - 의사 결정 나무와 랜덤 프레스트 

____확률적 추론과 베이즈 정리 

______베이즈 정리를 사용해 임상적 확률 계산하기 

______대응하는 머신러닝 알고리즘 - 나이브 베이즈 분류자 

____기준표와 가중 합계 접근법 

______기준표 

______대응하는 머신러닝 알고리즘 - 선형 회귀와 로지스틱 회귀 

____패턴 연관과 신경망 

______복잡한 임상적 추론 

______해당되는 머신러닝 알고리즘 - 신경망과 딥러닝  

__머신러닝 파이프라인 

____데이터 로딩 

____데이터 정제와 사전 프로세싱 

______데이터 집계 

______데이터 파싱 

______데이터 타입 변환 

______결측값 다루기 

____데이터 탐색과 시각화 

____특징 선택  

____모델 파라미터 훈련 

____모델 성능 평가 

______민감도 

______특이도 

______양성 예측도 

______음성 예측도 

______거짓 양성률 

______정확도 

______ROC 커브 

______정밀도-회상 커브 

______연속 타깃 변수 

__정리 

__참고 자료와 더 읽을거리 



4장. 컴퓨팅의 기초, 데이터베이스

__데이터베이스의 개요 

__SQL을 사용한 데이터 엔지니어링의 사례 

__이용 사례에 대한 설명 - 심장 전문 병원을 위한 사망률 예측 

____병원 데이터베이스 

______PATIENT 테이블 

______VISIT 테이블 

______MEDICATIONS 테이블 

______LABS 테이블 

______VITALS 테이블 

______MORT 테이블 

__SQLite 세션 시작  

__데이터 엔지니어링, SQL을 사용해 한 번에 하나의 테이블 다루기 

____쿼리 셋 #0: 여섯 개의 테이블 생성 

______쿼리 셋 #0a: PATIENT 테이블 만들기 

______쿼리 셋 #0b: VISIT 테이블 만들기 

______쿼리 셋 #0c: MEDICATIONS 테이블 만들기 

______쿼리 셋 #0d: LABS 테이블 만들기 

______쿼리 셋 #0e: VITALS 테이블 만들기 

______쿼리 셋 #0f: MORT 테이블 만들기 

______쿼리 셋 #0g: 테이블 보기 

____쿼리 셋 #1: MORT_FINAL 테이블 만들기 

____쿼리 셋 #2: MORT_FINAL 테이블에 열 추가하기 

______쿼리 셋 #2a: ALTER TABLE을 사용해 열 추가하기 

______쿼리 셋 #2b: JOIN을 사용해 열 추가 

____쿼리 셋 #3: 데이터 조작 - 나이 계산 

____쿼리 셋 #4: 진단명에 대한 비닝과 집계 

______쿼리 셋 #4a: 울혈성심부전 진단에 대한 비닝 

______쿼리 셋 #4b: 다른 진단명에 대한 비닝  

______쿼리 셋 #4c: 합을 이용해 심장병을 하나로 모으기 

______쿼리 셋 #4d: 카운트를 사용한 심장 진단의 집계 

____쿼리 셋 #5 - 약물 개수 구하기 

____쿼리 셋 #6: 비정상 혈액 검사 결과 비닝 

____쿼리 셋 #7: 결측값 대치 

______쿼리 셋 #7a: 체온 결측값을 정상 범위로 대치하기 

______쿼리 셋 #7b: 체온 결측값을 평균값으로 대치하기 

______쿼리 셋 #7c: 결측 BNP 값을 균일 분포를 갖는 값으로 대치하기 

____쿼리 셋 #8: 타깃 변수 추가하기 

____쿼리 셋 #9: 최종 MORT_FINAL_2 테이블 보기 

__요약 

__참고 자료와 더 읽을거리 



5장. 컴퓨팅의 기초, 파이썬 언어

__변수와 데이터 타입 

____문자열 

____숫자형 데이터 타입 

__데이터 구조와 데이터 저장소 

____리스트 

____튜플 

____딕셔너리 

____셋 

__파이썬 언어를 사용한 프로그래밍 - 예시 

__판다스 소개 

____판다스 데이터프레임 

____데이터 불러오기 

______파이썬 데이터 구조에서 판다스로 데이터 불러오기 

______플랫 파일에서 판다스로 데이터 불러오기 

______데이터베이스에서 판다스로 데이터 불러오기 

____흔히 사용되는 데이터프레임 연산 

______열 추가 

______열 제거 

______함수를 여러 개의 열에 적용 

______데이터프레임 결합시키기 

______데이터프레임 열들을 리스트로 변환하기 

______데이터프레임의 값을 지정하거나 접근하기 

______행 필터링과 정렬 

______SQL 유사 연산 

__사이킷런 소개 

____샘플 데이터 

____데이터 전처리 

______카테고리형 변수에 대한 원핫 인코딩 

______스케일링과 센터링 

______이진화 

______결측값 대체 

____특징 선택  

____머신러닝 알고리즘 

______일반화 선형 모델 

______앙상블 방법 

______추가 머신러닝 알고리즘 

____성능 측정  

__추가 애널리틱스 라이브러리 

____넘파이와 사이파이 

____맷플롯립 

__요약 



6장. 헬스케어 질 측정

__헬스케어 평가법에 대한 소개 

__미국 메디케어의 가치 기반 프로그램 

__병원 성과 기반 수가지급(HVBP) 프로그램 

____도메인과 평가지표 

______임상 케어 도메인 

______환자 및 보호자 케어 경험 도메인 

______안전 도메인 

______효율성과 비용 절감 도메인 

__병원 재입원 경감 프로그램(HRR) 

__원내 발생 합병증 경감(HAC) 프로그램 

____원내 감염 도메인 

____환자 안전 도메인(PSI) 

__말기 신질환 환자 질 인센티브 프로그램 

__전문 요양 시설 가치 기반 프로그램 

__가정 건강 가치 기반 프로그램 

__MIPS 

____질 

____더 나은 케어 정보 

____개선 활동  

____비용 

__기타 가치 기반 프로그램 

____HEDIS 

____주 정부 평가지표 

__파이썬을 사용해 투석 기관 비교하기 

____데이터 다운로드 

____주피터 노트북 세션으로 데이터 불러오기 

____데이터 행과 열 탐색 

____지리적인 탐색 

____총점에 기반해 투석 기관 살펴보기 

____투석 기관에 대한 다른 내용 분석 

__파이썬을 사용한 병원 비교 

____데이터 다운로드 

____주피터 노트북 세션으로 데이터 읽기 

____테이블 탐색 

____HVBP 테이블 머징 

__요약 

__참고 자료 



7장. 헬스케어 예측 모델 만들기 

__헬스케어 분야에서 예측적 애널리틱스에 대한 소개 

__모델링 과제 - 응급실 내원 환자의 퇴원 형태 예측  

__데이터셋 얻기 

____NHAMCS 데이터셋이란? 

____NHAMCS 데이터 다운로드 

______ED2013 파일 다운로드 

______body_namcsopd.pdf라는 설문 항목 리스트에 대한 설명서 다운로드

______데이터 관련 문서 doc13_ed.pdf 다운로드

__주피터 노트북 세션 시작하기 

__데이터셋 임포트 

____메타데이터 로딩 

____ED2013 데이터 로딩 

__반응 변수 만들기 

__훈련셋과 테스트셋으로 데이터 나누기 

__예측 변수에 대한 전처리 

____방문 정보  

____인구학적 정보 

____응급실 중증도 분류에 대한 변수들 

____재정적인 변수 

____활력 징후  

____방문 이유에 대한 코드 

____손상에 대한 코드 

____진단 코드  

____약물 과거력 

____검사 결과  

____시술 

____약물 코드  

____의료 서비스 제공자 정보 

____퇴실 배치 정보 

____대치된 열들 

____아이디 역할을 하는 변수들 

____전자 의무 기록 상태에 대한 열들 

____자세한 약물 정보 

____기타 정보  

__마지막 전처리 작업 

____원핫 인코딩 

____숫자형 변환 

____넘파이 배열 변환 

__모델 만들기 

____로지스틱 회귀 

____랜덤 포레스트 

____신경망 

__모델을 사용한 예측 

__모델의 개선 

__요약 

__참고 자료와 더 읽을거리 



8장. 헬스케어 예측 모델 리뷰

__예측 헬스케어 애널리틱스 최신 지견 

__전체 심혈관 질환 위험도 

____프레이밍햄 위험도 

____심혈관 질환 위험도와 머신러닝 

__울혈성심부전 

____울혈성심부전의 진단 

____머신러닝으로 울혈성 심부전 진단 

____울혈성심부전에서 머신러닝의 다른 응용 사례들 

__암 

____암이란? 

____암에 대한 머신러닝 응용 

____암의 중요한 특징 

______일반적인 임상 데이터 

______암 특이 임상 데이터 

______영상 데이터 

______유전체 데이터 

______프로테옴 데이터 

____유방암 예측 사례 

______전통적 유방암 선별 

______유방암 선별과 머신러닝 

__재입원 예측 

____LACE 위험도와 HOSPITAL 위험도 

____재입원 모델링 

__기타 질환들 

__요약 

__참고 자료와 더 읽을거리 



9장. 미래 - 헬스케어와 떠오르는 기술들

__헬스케어 애널리틱스와 인터넷 

____헬스케어와 사물 인터넷 

____헬스케어 애널리틱스와 소셜 미디어 

______독감 감시와 예측 

______머신러닝을 사용한 자살 예측 

__헬스케어와 딥러닝 

____딥러닝에 대한 간단한 소개 

____헬스케어에서의 딥러닝 

______딥 피드 포워드 네트워크 

______이미지에 대한 컨볼루션 신경망 

______순서를 가진 데이터에 대한 순환 신경망 

__장애물, 윤리적 문제, 한계 

____장애물 

____윤리적 문제들 

____한계점 

__이 책을 마치며 

__참고 자료와 더 읽을거리

정보제공 :