심전도 리듬 분류에 대한 컨볼루셔널 신경망과 어텐션 매핑을 활용한 이해 방향

전자 건강 기록(EHR) 데이터에 대한 접근은 의료 연구 분야의 계산적 기술 발전을 촉진해 왔다. 그러나 개인정보 보호와 관련된 다양한 우려로 인해 EHR 데이터의 접근성과 공동 활용이 제한될 수 있다. 합성 EHR 데이터를 공유하는 방식은 이러한 위험을 완화할 수 있다. 본 논문에서는 현실적인 합성 환자 기록을 생성하기 위한 새로운 접근법인 의료용 생성 적대 신경망(medGAN)을 제안한다. 입력된 실제 환자 기록을 기반으로, medGAN은 오토인코더와 생성 적대 신경망(GAN)의 결합을 통해 고차원 이산형 변수(예: 이진 변수 및 카운트 특성)를 생성할 수 있다. 또한 모드 붕괴를 효율적으로 방지하기 위해 미니배치 평균화(minibatch averaging)를 제안하였으며, 배치 정규화(batch normalization)와 단축 연결(shortcut connections)를 통해 학습 효율성을 높였다. 타당성을 입증하기 위해, 분포 통계, 예측 모델링 작업, 의료 전문가 리뷰 등 다양한 실험에서 medGAN이 생성한 합성 환자 기록이 실제 데이터와 유사한 성능을 달성함을 보였다. 또한, medGAN을 사용했을 때 신원 및 특성 노출에 대한 제한적인 개인정보 위험을 실험적으로 관찰하였다.