사례기반추론(Case-based reasoning)을 활용한 운동처방지원시스템의 구축

Abstract

본 연구에서는 운동처방지원시스템구축을 위한 사례기반추론기법을 적용하였으며, 실험의 결과를 통해 얻은 결론은 다음과 같다. 첫째, 사례기반추론기법의 운동처방에의 적용은 타 분야에서와 마차가지로 연구의 유의한 결과를 보였다. 둘째, 사례기반추론을 통해 추출된 사례베이스 추출결과를 전문가(운동처방사)의 판단을 통해 검증한 결과, 본 실험에서 76 개의 사례 중 6 개의 경우를 제외한 나머지 사례는 다른 검증사례의 환자에게 처방을 내려도 지장이 없거나 정확한 처방으로서, 92.11%의 적중률을 보였다. 셋째, 본 연구에서 표본의 구축 시, 개개인의 운동처방을 중심으로 축적되었기 때문에 전문가(운동처방사)가 직접처방을 내린 결과와 똑 같은 세밀한 처방을 도출하는 데에는 어려움이 있었다. 넷째, 사례베이스의 양과 유사한 사례 뿐만이 아닌 유의한 사례의 도출을 위해서 양질의 사례들을 축적하고 다듬어 나갈 필요성이 있다. 다섯째, 검사수치는 비슷하나 자각증세에서 느끼는 요인으로 인해, 운동처방이 달라질 수 있으므로 전문가의 직접 처방과 같이 처방할 수 있는 점을 보완할 수 있는 대안이 필요하다. A. 연구의 한계점 최근 여러 분야에서 많이 이용되어지는 사례기반추론방법을 운동처방분야에 접목하여 보았다. 그러나 결과로 나타내어지는 사례의 수가 많고 다양하게 실험에 적용함에 있어 어려움을 보였다. 따라서 훨씬 많은 양의 사례가 축적되어야 신뢰할 만한 결과가 도출 될 것으로 판단된다. 본 연구에서의 한계점은 다음과 같다. 첫째, 사례베이스구축을 위한 자료수집에 있어 전문가(운동처방사)와 환자가 일대일 방식으로 진단하고 처방한 사례로써, 일반적 운동처방이 아닌 개개인을 위한 운동처방을 중심으로 작성되어 운동처방사례가 매우 다양하였다. 둘째, 환자 개개인과 일대일 방식으로 작성된 본 자료의 운동처방을 처방사의 처방과 같이, 모두 정확하게 도출하기란 어려우며 적중률을 높이기 위한 방안으로 정확한 검사와 처방의 사례를 계속적으로 축적 시키는 것이라고 판단된다. 셋째, 사례베이스에 축적되어 있는 사례의 수가 검증자료에 비해 충분치 않으며 충분한 사례베이스로서 사례기반추론을 적용한다면 더 높은 적중률을 기대할 수 있을 것이다. 사례기반추론기법을 적용함에 있어서 가장 어렵고 중요한 문제는 어떻게 문제해결에 유용한 과거사례를 추출하느냐 하는 것으로 단순히 유사한 사례가 아니라 유용한 사례를 추출하기 위해서는 적용분야의 일반화된 지식이 사례의 인덱싱(indexing)과 추출과정(Retrieve)에 반영되는 것이 바람직하다고 본다. B. 향후 연구방향 본 연구는 연구시작단계라고 할 수 있는 자료의 수집과 입력에 많은 시간이 요구되는 작업이므로, 사례베이스로부터의 유용한 결과도출을 위해 장기적인 계획으로 사례베이스의 축적을 계속적으로 진행하고, 양질의 베이스를 구축함이 우선 요구된다. 그리고 날로 증가하는 성인병과 같은 질병으로 인해 운동처방이 더욱 필요하게 될 것이 예상되므로, 일반적 운동처방뿐 아니라 각종 질병에 대한 운동처방을 사례기반추론기법을 통해 시스템을 구축해 본다면 좀 더 실용적인 연구결과가 있을 것으로 판단된다. 운동처방은 앞으로 치료의학적 의미에서나 예방의학적 차원에서 계속해서 발전 될 것으로 예상되는 분야로서, 운동처방의 일반화, 보편화를 위해 사례기반추론기법을 이용하여 기타 인공지능기법을 이용한 운동처방지원시스템 구축을 시도해 본다면 보다 정확하고 실용적인 시스템을 구축할 수 있다고 판단된다.;Case-Based Reasoning is a problem solving technique with re-using past cases and experiences to find a solution to the problems. The central task that CBR methods have to deal with are to identify the current problem situation, find a past case similar to the new one, use that case to suggest a solution to the current problem, evaluate the proposed solution, and update the system by learning from this experience. Several successful CBR systems have been developed and researched in Clinical field in abroad. This paper presents CBR application to Exercise Prescription and investigates the hit ratio of Exercise Prescription support system by accumulated the case-base of Exercise Prescription cases. As the result of this research, it shows 92.11% hit ratio from the test. The applications of case-based reasoning to Exercise prescription field and future research issues are identified.