다양한 이야기들🍃

[약물 추천, AI 논문 정리 #3] 약을 추천하는 AI, 뭘 기준으로 결정할까?

이전 글들을 통해 까지 알아보았습니다!\ #1-1: 기존 약물 추천 모델의 한계#1-2: SafeDrug이 등장한 이유와 핵심 아이디어를 소개#2. : 관련한 이전 연구들     이제는 본격적으로 SafeDrug이 실제로 어떤 문제를 해결하려고 하는지,그리고 그 문제를 어떻게 수식으로 표현하고 학습하는지 알아볼 차례입니다. 논문에서는 약물 추천 문제를 환자의 진료 기록(EHR)과약물 간 상호작용(DDI) 정보를 기반으로 정의하고 있어요.오늘은 SafeDrug이 약 조합을 어떻게 예측하며,부작용(DDI)을 동시에 어떻게 통제하는지 그 핵심 구조를 함께 뜯어보겠습니다!      검정색 글씨는 논문을 1차 번역한 것, 파란 글씨는 내가 조금 더 이해할 수 있도록 문장을 정리한 것.   🧾 전자 건강 기록 ..

[약물 추천, AI 논문 정리 #2] 약물 추천 ai 기술의 변천사: LEAP부터 SafeDrug까지

이전 글들을 통해 논문 소개와 '서론' 까지 읽어보았습니다!구성은 아래와 같았어요. #1-1: 기존 약물 추천 모델의 한계#1-2: SafeDrug이 등장한 이유와 핵심 아이디어를 소개 2025.03.22 - [💻 본업(컴공생) 이야기/연구 이야기] - [약물 추천, AI 논문 정리 #1-1] 기존 모델의 한계와 SafeDrug의 등장 배경 [약물 추천, AI 논문 정리 #1-1] 기존 모델의 한계와 SafeDrug의 등장 배경https://real-st-ory.tistory.com/35 의료 AI의 핵심, '약물 추천'이란 무엇인가?"병원에서 받은 약, 누가 골랐을까?" 병원에 가면 우리는 진단을 받고, 바로 처방전을 받는다.그런데 그 약은 누가, 어떤 기real-st-ory.tistory.com 2..

또 돌아온 오늘의 TMI💭~,, 저는 아마 다른 글들에서 유추할 수 있듯이, 컴퓨터 공학을 전공하며 머신러닝을 공부하고 있는 대학생이구요..놀고 먹는 거에 진심이라 항상 가장 효율인 방법으로 맛과 재미, 행복과 낭만을 챙기며 살아야만 하는 사람입니다~!✨ 지금은 랩실에 처음 들어와서 공부하느라, 놀고 먹은 이야기들을 정리할 시간이 없지만,, 말이지요,, 각설하고 !! 저는 공부하다가 모르는 것은 인공지능 과외 선생님인 지피피티에게 가지고 가서 물어보곤 하는데요?! (물론 구글링도 해야하고 강의도 찾아보아야 합니다 !! 지피티를 100 믿으시면 안돼욥) 며칠 전, 공부하다가 ... 정의되지 않은 나의 미래와.. 어떤 방향성을 가지고 살아야할지.. 정리되지 않은 복잡한 생각들을 하며 홀리듯 지피티에게 질..

의료데이터 공부하기 4강_ 위험 계층화https://youtu.be/_shuV1tJbTU?si=BR6NArVryThEgikM '위험 계층화' 는 환자 집단을 여러 범주로 나누는 방법이다.ex) 고위험군, 저위험군, 중간위험군 '위험 계층화'는 '진단'과 다르다 진단 -> 오진(Misdiagnosis)이 발생하면 환자가 필요하지 않은 치료를 받거나, 적절한 치료를 제때 받지 못할 수 있다.위험계증화 -> 특정 범주(고위험, 저위험 등)에 환자를 분류하는 것이 목표이며, 완벽한 정확도가 요구되는 것은 아니다. 이러한 차이점 때문에, 위험 계층화에서는 양성 예측도(Positive Predictive Value, PPV) 같은 지표를 중시한다.즉, "우리가 고위험군이라고 예측한 환자들 중 실제로 고위험군에 해..

https://youtu.be/DS97JV_o0Fs?si=uJBs4CC2fPbFVsKN https://youtu.be/0UFwGJe6ubg?si=uVPirmxkYD3DWoCq 피피티는 유튜브 강의에서 사용하신 피피티를 아주 많이 참고하여 발표 자료를 만든 것이다. 병원에서는 환자의 심박수, 혈압, 과거 병력 등등 다양한 데이터를 수집하여 지료에 사용합니다. 그런데 만약 그 데이터들이 부정확하거나, 잘못 분석되었다면 어떤 결과를 초래할까요? 한 연구팀은 같은 병원에서 수집된 심박수 데이터를 분석하다가, CareVue 시스템에서는 심박수의 평균이 108.89, MetaVision 시스템에서는 87.41로 나타나는 차이를 발견했습니다. 같은 병원 데이터임에도 불구하고 이 차이가 발생한 이유는, 이 두 ..