※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-01 데이터 최종 개방 1.0 2023-04-30 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-01 산출물 전체 공개 소개
만성콩팥병은 환자의 경과가 상당히 진행된 상태에서 치료를 시작하여 예후가 좋지 않음. 질병 악화 사전경고 및 중재 시스템 개발을 위해 8,000명 이상 10만건 이상의 학습데이터 구축
구축목적
만성콩팥병 질병 경과 및 합병증 발생 예측을 위한 위험인자 발견 및 중재효과 분석 및 AI 모델 개발
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 텍스트 데이터 형식 csv 데이터 출처 대학병원 전자 의무 기록 라벨링 유형 분류 태그(시계열 데이터) 라벨링 형식 csv 데이터 활용 서비스 임상의사결정 지원 데이터 구축년도/
데이터 구축량2022년/213,238 건 -
1. 데이터 구축 규모
학습데이터 명수 : 9,417 명
학습데이터 건수 : 213,328 건2. 데이터 분포
총 인원 : 9417 명
총 건수 : 213238 건연령대별 분
20 ~ 39 세 : 10.23 % 963 명 , 26060 건
40 ~ 59 세 : 30.04 % 2829 명 , 78707 건
60 ~ 75 세 : 37.36 % 3518 명 , 78765 건
etc : 22.37 % 2107 명 , 29706 건남녀 성비*
여자 : 41.15 % 3875 명 , 88267 건
남자 : 58.85 % 5542 명 , 124971 건병기단계별 분포*
5단계 : 15.68 % 1477 명 , 57405 건
1 ~ 4단계 : 84.32 % 7940 명 , 155833 건* 첫 임상검사 등록기준일 기준
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드● 입원사건 및 심혈관계 질환사건 위험 예측 모델
● 사구체여과율 수치 예측 모델
데이터 구축 후 인공지능 모델을 활용하여 입원사건 위험, 질환사건 위험, 사구체여과율 수치 예측을 수행하여 데이터의 유효성을 판별 라벨데이터별 중요도 판별 : 이벤트 발생 여부 빈도를 분석하여 중요도 판별 이벤트 발생 빈도↓ => 이벤트 중요도↑ 환자별 추적 기간 분석 : 시계열 모델에 적용이 가능한 sequence 길이를 가지는지 판별 추적 기간↑(환자별 데이터 개수↑) => 모델 적용 가능성↑ 예측결과 분석을 통한 유효성 판별 : 각 모델별 예측 결과를 출력후 모델별 Metric을 산출하여 분석 Metric이 기준 성능 대비 유사하거나 높을수록 유효성↑ ① 입원사건 및 심혈관계 질환 위험 예측 모델
- 입원 및 질환 발생 이벤트 및 기간을 학습하여 발생 위험도를 예측
- 구축되는 추적데이터를 활용하여 일정 기간 내 이벤트가 발생하였는지를 생존분석 모델(DeepSurv)을 통해 학습하고, 학습데이터를 기반으로 구성된 생존함수를 통하여 위험도 예측을 실행② 사구체여과율 수치 예측 모델
- 구축한 시계열 데이터를 활용하여 사구체여과율(egfr) 수치 예측
- 환자별 추적데이터는 시계열 데이터이므로 LSTM 모델을 활용하여 학습하고, LSTM
모델을 통해 출력된 feature vector를 활용하여 사구체여과율 수치를 예측하는 모델
개발 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 입원 사건 발생 예측 성능 Prediction DeepSurv AUC-ROC 0.7 단위없음 0.8617 단위없음 2 심혈관계합병증 발생 예측 성능 Prediction DeepSurv C-index 0.7 단위없음 0.7878 단위없음 3 사구체 여과율 변화 예측 성능 Prediction LSTM RMSE 20 % 19.34 %
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성
번호 항목명 설명 테이블명 비고 1 개인정보 생년월일, 성별, 거주지, 과거병력, 가족력 tb_person 시계열 2 신체계측 키, 몸무게, 허리둘레, tb_anthro 시계열 데이터 엉덩이둘레, 허리/엉덩이 비율, 체질량지수, 수축기/이완기 혈압, 맥박 3 혈액검사 해당 환자의 혈액검사 결과 tb_blood 시계열 4 소변검사 해당 환자의 소변검사 결과 tb_urine 시계열 5 약제처방 해당 환자의 처방된 약물정보 tb_med 시계열 6 영상검사 심전도, 엑스레이, 전산화단층검사, 자기공명영상 검사, 초음파 검사를 포함한 영상검사들의 검사결과 및 판독결과지 tb_image 시계열 결과 7 예후 데이터 예측하고자 하는 주요 질환관련 예후 사건의 발생 정보 tb_outcome 시계열 - 어노테이션 포맷
No 속성명 항목 설명 Type 필수여부 작성예시 1 subno 식별자 string 필수 PT_CNH_01 2 lab_date 혈액검사일자 string 필수 1: 전남대학교병원 3 death 사망 여부 string 필수 0: 생존, 1: 사망 4 death_date 사망 일자 datetime 비필수 yyyy-mm-dd 5 admission 입원 여부 string 필수 0: 없음, 1: 있음 6 admission_date 입원 일자 datetime 비필수 yyyy-mm-dd 7 c_admission 입원 원인 string 필수 1: 기저 질환 악화 2: 감염성 질환 ... 8 cv_event 심뇌혈관계질환 사건 string 필수 0: 없음, 1: 있음 발생 여부 9 cv_event_date 심뇌혈관계질환 사건 datetime 비필수 yyyy-mm-dd 발생 일자 10 c_cv_event 심뇌혈관계질환 사건 string 필수 1: revascularization 발생 원인 2: stroke ... 11 egfr 사구체 여과율 수치 numeric 필수 0~200 12 re_event 신장기능 악화 사건 string 필수 0: 없음, 1: 있음 발생 여부 - 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : 전남대학교병원
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 오태렴 교수 062-220-6296 tryeomoh@daum.net 과제 총괄 책임 / 데이터셋 설계 / 수집/ 가공 / 검수 수행기관(참여)
수행기관(참여) 기관명 담당업무 부산대학교병원 데이터셋 / 수집/ 가공 / 검수 전북대학교병원 데이터셋 / 수집/ 가공 / 검수 화순전남대학교병원 데이터셋 / 수집/ 가공 / 검수 나무기술 데이터셋 설계 / 정제 전남대학교 산학협력단 학습모델구현 나무인텔리전스 비식별화 도구 및 저작도구 개발 이루온아이앤에스 데이터셋 품질관리 / 학습모델구현
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.