※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
만성질환의 경우 일상생활에서의 식생활, 신체활동, 음주, 흡연등의 생활습관 관리가 매우 중요한 요인으로 작용. 이에 당뇨, 고혈압, 만성콩팥병 등의 만성질환자 1천 명 이상과 정상 1천 명 이상을 대상으로 데이터셋 구축
구축목적
만성질환 경과에 영향을 미치는 임상데이터, 생활습관 요인들 간의 상관관계를 연구하고 주요 만성질환 관리를 위한 인공지능 모델 개발과 이를 통한 만성질환 관리 플랫폼 개발
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 텍스트 데이터 형식 csv 데이터 출처 대학병원 전자 의무 기록, 참여자의 일상 라벨링 유형 분류 태그(시계열 데이터) 라벨링 형식 csv 데이터 활용 서비스 만성질환 관리를 위한 생활습관 평가 모델 데이터 구축년도/
데이터 구축량2022년/총 명수 : 2,109 명 , 총 례수 : 3,861건 -
1. 데이터 구축 규모
총 명수 : 2,109명
총 례수 : 3,861건2. 데이터 분포
- 성별 분포
여자 : 52.39 % , ( 1106 명)
남자 : 47.61 % , ( 1005 명)- 질환별 분포
만성질환자 : 49.93% (1054 명)
정상인 : 50.07% (1057 명)
당뇨병 : 16.6% (350 명)
고혈압 : 16.31% (344 명)
콩팥병 : 29.82% (629 명) -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드
데이터 구축 후 인공지능 모델을 활용하여 입원사건 위험, 질환사건 위험, 사구체여과율 수치 예측을 수행하여 데이터의 유효성을 판별 라벨데이터별 중요도 판별 : 단백뇨 여부 및 당화혈색소 이상여부 빈도 분석 이상 여부 빈도↓ => 이상 여부 중요도↑ (이상 여부를 판단하는 것이 중요) 데이터 가용여부 판별 : 모델에 적용시키기 위하여 참여자별 임상검사, 생활습관, 웨어러블 데이터가 모두 존재하는지 판별 참여자별 임상검사, 생활습관, 웨어러블 데이터 여부 판별 모든 데이터가 존재할 경우 모델 적용 가능한 데이터↑ 예측결과 분석을 통한 유효성 판별 : 모델의 예측 결과를 출력후 모델별 Metric을 산출하여 분석 Metric이 기준 성능 대비 유사하거나 높을수록 유효성↑ ① 1DCNN+LSTM 모델(당화혈색소, 단백뇨 이상 여부 분류 모델)
- 생활습관 데이터와, 웨어러블 데이터를 결합하여 학습하고 이를 기반으로 당화혈색소 이상 여부 분류
- 구축 데이터는 회차별로 구분되는 임상데이터, 일 단위 분류되는 생활 습관 데이터와 분 단위 데이터인 웨어러블 데이터로 구분됨
- 두 유형의 데이터 모두를 활용하기 위해서 생활습관 및 임상데이터의 경우 1DCNN의 입력값, 웨어러블 데이터의 경우 LSTM의 입력값으로 사용되도록 구성
- 각 두 모델에서 출력된 feature를 결합하고 이를 활용하여 분류를 진행하는 모델 개발 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 단백뇨 검출 여부 분류 성능 Text Classification 1D convolutional neural network + LSTM AUC-ROC 0.7 단위없음 0.9375 단위없음 2 당화혈색소 정상 여부 분류 성능 Text Classification 1D convolutional neural network + LSTM AUC-ROC 0.85 단위없음 0.9553 단위없음
※ 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
대상자 데이터 유형 횟수/기간 정제 담당 기업 만성질환자
(1,000명)HRA 데이터 1회 전남대학교, 나무인텔리전스 임상데이터 2회 참여 대학병원, 전남대학교,
나무인텔리전스생활습관데이터 3개월 전남대학교, 나무인텔리전스 정상인
(1,000명)HRA 데이터 1회 전남대학교, 나무인텔리전스 임상데이터 2회 참여 대학병원, 전남대학교,
나무인텔리전스생활습관데이터 3개월 전남대학교, 나무인텔리전스 - 어노테이션 포맷
대상자 데이터 유형 횟수/기간 라벨 담당 기업 만성질환자,
정상인
(2,000명)라벨링 데이터 2회
3개월각 대학병원 임상의 전남대학교 나무인텔리전스 컬럼명 컬럼 설명 형식 필수여부 예시 date_enroll 등록기준일 datetime Y org_enroll 등록기관 string Y uid 사용자 코드 string Y proteinuria 단백뇨 여부 boolean Y ['단백뇨' : 1, '정상' : 0] glycated hemoglobin 당화혈색소 여부 boolean Y [‘비정상’ : 1, ‘정상’ : 0] - 실제 예시
실제 데이터 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 화순전남대병원 데이터셋 수집/ 가공 / 검수 씨젠의료재단 데이터셋 수집 커넥티드 비식별화 도구 / 저작도구 개발 UNIST 데이터셋 설계 / 비식별화 도구 / 저작도구 개발 전남대학교 산학협력단 데이터셋 정제 / 가공 / 학습모델구현 나무기술 데이터셋 설계 / 정제 나무인텔리전스 데이터셋 설계 / 가공 / 수집 도구 및 저작도구 개발 이루온아이앤에스 데이터 품질관리 / 학습모델 구현
-
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.