헬스케어에서 말하는 (1)건강 결과에 대한 개선 (2)비용 절감 (3)강화된 환자 경험이라는 헬스케어 3대 목표(Healthcare Triple Aim)가 있다. 여기에 한발 더 나아가 (4)헬스케어 제공자의 업무 환경 개선이라는 헬스케어 4대 목표(Quadraple Aim)를 달성할 수 있도록 이 책에서는 파이썬을 사용한 간단한 사례를 들어 인공지능(머신러닝) 활용법을 알려준다.


◈ 이 책에서 다루는 내용 ◈

◆ 헬스케어 인사이트, 재정, 입법
◆ 머신러닝과 헬스케어 프로세스간의 연관성
◆ SQL과 파이썬을 사용한 데이터 분석
◆ 헬스케어 질과 서비스 제공자의 수행 능력 측정
◆ 훌륭한 헬스케어 모델을 만드는 데 필요한 특징과 속성에 대한 파악
◆ 실제 헬스케어 데이터를 사용한 예측 모델
◆ 정형화된 임상 데이터를 사용한 예측 모델
◆ 헬스케어 애널리틱스의 미래


◈ 이 책의 대상 독자 ◈

파이썬이나 그와 비슷한 언어를 어느 정도 알고 있으면서 헬스케어 분야나 헬스케어 데이터를 사용한 예측 모델링에 관심이 있는 독자를 위한 책이다. 애널리틱스나 헬스케어에 관련한 컴퓨팅에 관심이 있다면 도움이 될 것이다. 또한 헬스케어에 사용될 수 있는 머신러닝을 공부하려는 학생들에게도 유용할 것이다.

[목 차]

1장. 헬스케어 애널리틱스 개론
__헬스케어 애널리틱스란?
____헬스케어는 고급 컴퓨팅 기술을 사용한다
____헬스케어 애널리틱스는 헬스케어 산업을 다룬다(너무나 당연하게도!)
____헬스케어 애널리틱스는 의료의 질을 개선한다
______건강 결과에 대한 개선
______비용 절감
______의료의 질 보장
__헬스케어 애널리틱스의 기초
____헬스케어
____수학
____컴퓨터 과학
__헬스케어 애널리틱스의 역사
__헬스케어 애널리틱스의 응용 사례
____환자 케어를 위한 데이터 시각화
____진단과 치료에 대한 예측
____헬스케어 제공자의 질과 실적에 대한 측정
____실제 환자 치료에 응용
__소프트웨어 둘러보기
____아나콘다
______아나콘다 내비게이터
______주피터 노트북
______스파이더 통합 개발 환경
____SQLite
____커맨드라인 툴
____텍스트 에디터 설치
__요약
__참고 자료


2장. 헬스케어의 기초
__미국에서 헬스케어 서비스가 전달되는 방법
____헬스케어 산업의 기초
____보건 재정
______행위별 수가제
______가치 기반 케어
____헬스케어 정책
______환자 권리와 프라이버시 보호
______전자 의무 기록 채용 정도
______가치 기반 케어를 발전시키려는 노력
______헬스케어 애널리틱스의 진보
__환자 데이터: 환자에서 컴퓨터까지의 여정
____초진 기록지
______메타데이터와 주소
______현병력
______과거력
______약물력
______가족력
______사회력
______알러지
______계통 문진(시스템 리뷰)
______신체검사
______객관적 데이터(검사실 검사, 이미징, 기타 검사)
______평가와 계획
____경과 기록지
__표준화된 임상 코드셋
____ICD
____CPT
____LOINC
____NDC
____SNOMED-CT
__헬스케어 애널리틱스 쪼개 보기
____인구 집단
____의학적 과제
______질병 선별
______진단
______질병 결과와 예후
______치료에 대한 반응
____데이터 포맷
______정형 데이터
______비정형 데이터
______영상 기록
______기타 데이터 포맷
____질병
______급성 대 만성 질환
______암
______다른 질환들
____종합해보기 - 머신러닝의 목적을 명시적으로 표현하기
__요약
__참고 자료와 더 읽을거리


3장. 머신러닝의 기초
__의학적 의사 결정을 위한 모델 프레임워크
____나무와 비슷한 추론
______알고리즘과 나무를 사용한 카테고리 분류 추론
______대응하는 머신러닝 알고리즘 - 의사 결정 나무와 랜덤 프레스트
____확률적 추론과 베이즈 정리
______베이즈 정리를 사용해 임상적 확률 계산하기
______대응하는 머신러닝 알고리즘 - 나이브 베이즈 분류자
____기준표와 가중 합계 접근법
______기준표
______대응하는 머신러닝 알고리즘 - 선형 회귀와 로지스틱 회귀
____패턴 연관과 신경망
______복잡한 임상적 추론
______해당되는 머신러닝 알고리즘 - 신경망과 딥러닝
__머신러닝 파이프라인
____데이터 로딩
____데이터 정제와 사전 프로세싱
______데이터 집계
______데이터 파싱
______데이터 타입 변환
______결측값 다루기
____데이터 탐색과 시각화
____특징 선택
____모델 파라미터 훈련
____모델 성능 평가
______민감도
______특이도
______양성 예측도
______음성 예측도
______거짓 양성률
______정확도
______ROC 커브
______정밀도-회상 커브
______연속 타깃 변수
__정리
__참고 자료와 더 읽을거리


4장. 컴퓨팅의 기초, 데이터베이스
__데이터베이스의 개요
__SQL을 사용한 데이터 엔지니어링의 사례
__이용 사례에 대한 설명 - 심장 전문 병원을 위한 사망률 예측
____병원 데이터베이스
______PATIENT 테이블
______VISIT 테이블
______MEDICATIONS 테이블
______LABS 테이블
______VITALS 테이블
______MORT 테이블
__SQLite 세션 시작
__데이터 엔지니어링, SQL을 사용해 한 번에 하나의 테이블 다루기
____쿼리 셋 #0: 여섯 개의 테이블 생성
______쿼리 셋 #0a: PATIENT 테이블 만들기
______쿼리 셋 #0b: VISIT 테이블 만들기
______쿼리 셋 #0c: MEDICATIONS 테이블 만들기
______쿼리 셋 #0d: LABS 테이블 만들기
______쿼리 셋 #0e: VITALS 테이블 만들기
______쿼리 셋 #0f: MORT 테이블 만들기
______쿼리 셋 #0g: 테이블 보기
____쿼리 셋 #1: MORT_FINAL 테이블 만들기
____쿼리 셋 #2: MORT_FINAL 테이블에 열 추가하기
______쿼리 셋 #2a: ALTER TABLE을 사용해 열 추가하기
______쿼리 셋 #2b: JOIN을 사용해 열 추가
____쿼리 셋 #3: 데이터 조작 - 나이 계산
____쿼리 셋 #4: 진단명에 대한 비닝과 집계
______쿼리 셋 #4a: 울혈성심부전 진단에 대한 비닝
______쿼리 셋 #4b: 다른 진단명에 대한 비닝
______쿼리 셋 #4c: 합을 이용해 심장병을 하나로 모으기
______쿼리 셋 #4d: 카운트를 사용한 심장 진단의 집계
____쿼리 셋 #5 - 약물 개수 구하기
____쿼리 셋 #6: 비정상 혈액 검사 결과 비닝
____쿼리 셋 #7: 결측값 대치
______쿼리 셋 #7a: 체온 결측값을 정상 범위로 대치하기
______쿼리 셋 #7b: 체온 결측값을 평균값으로 대치하기
______쿼리 셋 #7c: 결측 BNP 값을 균일 분포를 갖는 값으로 대치하기
____쿼리 셋 #8: 타깃 변수 추가하기
____쿼리 셋 #9: 최종 MORT_FINAL_2 테이블 보기
__요약
__참고 자료와 더 읽을거리


5장. 컴퓨팅의 기초, 파이썬 언어
__변수와 데이터 타입
____문자열
____숫자형 데이터 타입
__데이터 구조와 데이터 저장소
____리스트
____튜플
____딕셔너리
____셋
__파이썬 언어를 사용한 프로그래밍 - 예시
__판다스 소개
____판다스 데이터프레임
____데이터 불러오기
______파이썬 데이터 구조에서 판다스로 데이터 불러오기
______플랫 파일에서 판다스로 데이터 불러오기
______데이터베이스에서 판다스로 데이터 불러오기
____흔히 사용되는 데이터프레임 연산
______열 추가
______열 제거
______함수를 여러 개의 열에 적용
______데이터프레임 결합시키기
______데이터프레임 열들을 리스트로 변환하기
______데이터프레임의 값을 지정하거나 접근하기
______행 필터링과 정렬
______SQL 유사 연산
__사이킷런 소개
____샘플 데이터
____데이터 전처리
______카테고리형 변수에 대한 원핫 인코딩
______스케일링과 센터링
______이진화
______결측값 대체
____특징 선택
____머신러닝 알고리즘
______일반화 선형 모델
______앙상블 방법
______추가 머신러닝 알고리즘
____성능 측정
__추가 애널리틱스 라이브러리
____넘파이와 사이파이
____맷플롯립
__요약


6장. 헬스케어 질 측정
__헬스케어 평가법에 대한 소개
__미국 메디케어의 가치 기반 프로그램
__병원 성과 기반 수가지급(HVBP) 프로그램
____도메인과 평가지표
______임상 케어 도메인
______환자 및 보호자 케어 경험 도메인
______안전 도메인
______효율성과 비용 절감 도메인
__병원 재입원 경감 프로그램(HRR)
__원내 발생 합병증 경감(HAC) 프로그램
____원내 감염 도메인
____환자 안전 도메인(PSI)
__말기 신질환 환자 질 인센티브 프로그램
__전문 요양 시설 가치 기반 프로그램
__가정 건강 가치 기반 프로그램
__MIPS
____질
____더 나은 케어 정보
____개선 활동
____비용
__기타 가치 기반 프로그램
____HEDIS
____주 정부 평가지표
__파이썬을 사용해 투석 기관 비교하기
____데이터 다운로드
____주피터 노트북 세션으로 데이터 불러오기
____데이터 행과 열 탐색
____지리적인 탐색
____총점에 기반해 투석 기관 살펴보기
____투석 기관에 대한 다른 내용 분석
__파이썬을 사용한 병원 비교
____데이터 다운로드
____주피터 노트북 세션으로 데이터 읽기
____테이블 탐색
____HVBP 테이블 머징
__요약
__참고 자료


7장. 헬스케어 예측 모델 만들기
__헬스케어 분야에서 예측적 애널리틱스에 대한 소개
__모델링 과제 - 응급실 내원 환자의 퇴원 형태 예측
__데이터셋 얻기
____NHAMCS 데이터셋이란?
____NHAMCS 데이터 다운로드
______ED2013 파일 다운로드
______body_namcsopd.pdf라는 설문 항목 리스트에 대한 설명서 다운로드
______데이터 관련 문서 doc13_ed.pdf 다운로드
__주피터 노트북 세션 시작하기
__데이터셋 임포트
____메타데이터 로딩
____ED2013 데이터 로딩
__반응 변수 만들기
__훈련셋과 테스트셋으로 데이터 나누기
__예측 변수에 대한 전처리
____방문 정보
____인구학적 정보
____응급실 중증도 분류에 대한 변수들
____재정적인 변수
____활력 징후
____방문 이유에 대한 코드
____손상에 대한 코드
____진단 코드
____약물 과거력
____검사 결과
____시술
____약물 코드
____의료 서비스 제공자 정보
____퇴실 배치 정보
____대치된 열들
____아이디 역할을 하는 변수들
____전자 의무 기록 상태에 대한 열들
____자세한 약물 정보
____기타 정보
__마지막 전처리 작업
____원핫 인코딩
____숫자형 변환
____넘파이 배열 변환
__모델 만들기
____로지스틱 회귀
____랜덤 포레스트
____신경망
__모델을 사용한 예측
__모델의 개선
__요약
__참고 자료와 더 읽을거리


8장. 헬스케어 예측 모델 리뷰
__예측 헬스케어 애널리틱스 최신 지견
__전체 심혈관 질환 위험도
____프레이밍햄 위험도
____심혈관 질환 위험도와 머신러닝
__울혈성심부전
____울혈성심부전의 진단
____머신러닝으로 울혈성 심부전 진단
____울혈성심부전에서 머신러닝의 다른 응용 사례들
__암
____암이란?
____암에 대한 머신러닝 응용
____암의 중요한 특징
______일반적인 임상 데이터
______암 특이 임상 데이터
______영상 데이터
______유전체 데이터
______프로테옴 데이터
____유방암 예측 사례
______전통적 유방암 선별
______유방암 선별과 머신러닝
__재입원 예측
____LACE 위험도와 HOSPITAL 위험도
____재입원 모델링
__기타 질환들
__요약
__참고 자료와 더 읽을거리


9장. 미래 - 헬스케어와 떠오르는 기술들
__헬스케어 애널리틱스와 인터넷
____헬스케어와 사물 인터넷
____헬스케어 애널리틱스와 소셜 미디어
______독감 감시와 예측
______머신러닝을 사용한 자살 예측
__헬스케어와 딥러닝
____딥러닝에 대한 간단한 소개
____헬스케어에서의 딥러닝
______딥 피드 포워드 네트워크
______이미지에 대한 컨볼루션 신경망
______순서를 가진 데이터에 대한 순환 신경망
__장애물, 윤리적 문제, 한계
____장애물
____윤리적 문제들
____한계점
__이 책을 마치며
__참고 자료와 더 읽을거리

◈ 이 책의 구성 ◈

1장. ‘헬스케어 애널리틱스 개론’에서는 헬스케어 애널리틱스에 대한 개론으로 그 정의와 몇 가지 기초 주제, 역사, 실제 사례를 소개하고, 이 책에서 사용될 소프트웨어를 다운로드해 설치하는 방법과 기본 사용법을 설명한다.
2장. ‘헬스케어의 기초’에서는 헬스케어의 기초를 알아본다. 미국에서 헬스케어가 어떻게 구조화되고 전달되는지 개략적으로 살펴본다. 그런 다음 헬스케어 애널리틱스에 관련된 법률들을 소개한다. 그리고 임상에서 사용되는 환자 데이터, 코딩 시스템을 설명하고 헬스케어 애널리틱스를 분류해본다.
3장. ‘머신러닝의 기초’에서는 머신러닝의 기초를 다룬다. 의학적 의사 결정에 사용되는 모델 프레임워크들과 머신러닝 파이프라인을 설명하고, 모델 평가를 위한 데이터 임포트(data import)를 다룬다.
4장. ‘컴퓨팅의 기초, 데이터베이스’에서는 컴퓨팅의 기초로 데이터베이스에 대한 개론을 설명한다. SQL 언어를 소개하고 헬스케어 예측적 애널리틱스를 실행할 때 SQL을 사용한 예를 소개한다.
5장. ‘컴퓨팅의 기초, 파이썬 언어’에서는 컴퓨팅의 기초로 파이썬 언어를 설명한다. 파이썬 언어를 개략적으로 살펴보고, 애널리틱스를 수행할 때 중요한 라이브러리들을 소개한다. 파이썬에서의 변수 타입, 데이터 구조, 함수, 모듈을 설명하고 판다스 패키지, 사이킷런의 기초적인 사용법을 다룬다.
6장. ‘헬스케어 질 측정’에서는 헬스케어 질 측정을 설명한다. 헬스케어 수행 평가에 사용되는 지표들과 미국에서 사용되는 가치 기반 접근법의 개요를 소개한다. 그리고 파이썬 언어로 서비스 제공자에 기초한 데이터를 다운로드하고 분석하는 예를 보여줄 것이다.
7장. ‘헬스케어 예측 모델 만들기’에서는 헬스케어에서의 예측 모델 만들기를 설명한다. 공개된 임상 데이터셋에 포함돼 있는 정보를 소개하고 다운로드 방법을 기술한다. 그런 다음 파이썬, 판다스, 사이킷런을 사용해 예측 모델을 만드는 방법을 살펴본다.
8장. ‘헬스케어 예측 모델 리뷰’에서는 헬스케어 예측 모델을 설명한다. 일부 선택된 질환들을 대상으로 한 헬스케어 예측적 애널리틱스 분야에서 현재 진행되고 있는 부분을 리뷰하고, 전통적인 방식을 사용한 방법들과 머신러닝 결과들을 비교해본다.
9장. ‘미래 - 헬스케어와 떠오르는 기술들’에서는 인터넷 사용을 통해 헬스케어 애널리틱스 분야에서 이뤄지고 있는 몇 가지 발전을 설명한다. 그리고 딥러닝 기술을 헬스케어 애널리틱스에 사용하는 것과 헬스케어 애널리틱스 분야의 도전적인 문제 및 한계점을 언급한다.


◈ 지은이의 말 ◈

파이썬 패키지를 통한 데이터 분석이 어떻게 이뤄지는지를 설명하는 것이 이 책의 목적이다. 전자 의무 기록(Electronic Health Record)에서 데이터를 임포트하고, 정제해 필요한 형태로 만드는 방법을 소개한다. 그리고 실제 세계의 사례를 통해 예측 모델을 만드는 방법도 살펴본다.



◈ 옮긴이의 말 ◈

머신러닝 알고리즘과 머신러닝의 미래를 잘 설명한 명저 『마스터 알고리즘』(비즈니스북스, 2016년)에서 저자는 다음과 같이 말한다. “내가 하는 일에서 머신러닝이 할 수 있는 것은 무엇이고, 할 수 없는 것은 무엇이며, 내가 일을 더 잘하기 위해 어떻게 머신러닝을 이용할 수 있을지를 이해해야 한다.” 이 말을 한 컴퓨터 과학자는 이 ‘일’의 분야를 특정하지 않았다. 이 책은 그 일들 중 의료 분야를 다룬다.
이번 팬데믹을 통해 이제는 일반인들도 의료라는 자원이 한정된 것임을 알게 됐다. 서비스를 제공할 수 있는 자원도, 그에 대해 지불할 수 있는 자원도 한정돼 있다. 이렇게 한정된 자원으로 우리 사회의 건강이라는 목표를 달성해야 한다. 비록 이런 문제는 경제학에서 핵심으로 다루는 삶의 어디서나 나타나는 아주 일반적인 것이다. 의료는 단순한 시장의 원리 또는 단순한 구호나 약속으로 그 목적이 달성되기 어려운 분야다.
이 책의 저자는 헬스케어의 3대 목표인 (1)건강 결과에 대한 개선, (2)비용 절감, (3)의료의 질 보장을 달성하는 데 머신러닝이 기여할 수 있는 것을 파이썬 코드를 이용한 간단한 사례를 통해 보여준다. 어떤 장의 내용은 미국 의료제도에 다소 치우친 감이 있지만, 전반적으로 헬스케어 머신러닝이 무엇인지를 맛볼 수 있는 기회를 제공한다.
의료 분야 종사자들에게는 머신러닝을 통해 일의 수준을 향상시킬 수 있는 방법을 알려주고, 컴퓨터나 다른 분야 종사자들에게는 의료 현장에서 생기는 문제들이 어떤 것이며 의사들은 어떤 방식으로 사고하는지 엿볼 수 있는 기회를 제공할 것이다. 또한 의사들에게는 자신도 모르게 베이즈 추론 방법을 이미 습관처럼 사용하고 있었다는 사실을 깨닫게 해준다.
저자도 이야기하지만 헬스케어 애널리틱스가 헬스케어, 수학, 컴퓨터 과학이 융합된 분야인 터라, 이 작은 책에 그 내용을 모두 담아내기란 불가능하다. 특정한 기술적 관점에서 보면 이 책의 내용은 주제들을 피상적으로 다루는 것 같은 느낌을 줄 수도 있지만 SQL, 파이썬, 판다스(pandas), 넘파이(NumPy), 사이킷런(scikit-learn) 등을 다루면서 깊이 들어갈 때는 어떤 것을 공부해야 하고 왜 그런 것들이 필요한지 충분히 파악할 수 있을 것이다. 그리고 7장을 보면 머신러닝(데이터 과학)이 어떤 식의 작업을 하는지 알게 되는데, ‘데이터 전처리에 80%, 모델링에 20%를 쓴다.’는 말을 실감할 수 있을 것이다.
의료 인공지능에 대한 관심이 매우 높아진 상태에서 그 관심을 구체적으로 실현하는 방법을 제시하는 데 이 책이 유용할 것이다. 머신러닝, 인공지능 알고리즘이 의료에 참여하는 모든 이에게 유익할 수 있길 기원한다.




추천사

이제 애널리틱스(analytics)는 헬스케어(healthcare)의 핵심 요소로 자리매김했다. 헬스케어 애널리틱스는 치료를 최적화하고 결과를 개선하고 케어(care)의 비용을 줄이는 데 도움이 된다. 생의학적 데이터, 헬스케어, 운영 등에 대한 빅데이터가 준비돼 병원과 헬스케어 관련 기관은 과거 데이터를 이용해 환자의 미래와 클리니컬 패스웨이(clinical pathway)를 예측할 수 있게 됐다. 또한 예측 모델링과 헬스케어 데이터 과학을 통해 헬스케어 서비스 전달의 여러 측면을 효율적으로 구성할 수 있게 케어 패스웨이(care pathway)와 운영 전략을 디자인하는 데에도 도움을 줄 수 있다. 이렇게 헬스케어 애널리틱스는 흥미로운 분야이지만, 이를 수행하려면 의학과 데이터 과학에 관한 지식 외에도 데이터베이스, 프로그래밍, 데이터 시각화, 통계, 머신러닝과 같은 기술이 필요하다. 헬스케어 영역과 애널리틱스의 도구 및 방법을 아주 깊이 설명한 여러 책이 있지만 이런 것들을 하나로 통합해 쉽게 읽을 수 있도록 한 책은 많지 않다.
비카스 쿠마르 박사가 쓴 새롭고 흥미로운 이 책은 헬스케어, 컴퓨터 과학, 수학, 머신러닝의 핵심적인 학습 포인트를 융합해 설명하고 있다. 의사이자 데이터 과학자인 저자는 복잡한 의료 데이터를 보는 방법을 설명하고, SQL과 파이썬 언어로 헬스케어 애널리틱스의 여러 응용 사례를 소개한다.
이 책이 헬스케어 데이터의 핵심 개념에 관심 있는 데이터 과학자의 서재에 꼭 있어야 할 책이 될 것이라고 확신한다. 임상 정보학이나 헬스케어 정보학 전문가들이 머신러닝 모델을 설계, 개발, 검증하기 위한 핵심 기술을 얻는 데도 꼭 필요한 책이라고 생각한다. 또한 헬스케어 애널리틱스가 어떤 것인지 이해하고 싶은 의사나 바이오 전공자들에게도 유용하다. 나는 이 책을 재미있게 읽었고 여러 사례도 흥미롭게 따라 해봤다. 결론적으로, 이 책은 완전하고 포괄적인 안내를 제공해 헬스케어 애널리틱스 분야의 빈 틈을 채워주고 있어 컴퓨터 과학자, 소프트웨어 엔지니어, 데이터 과학자, 헬스케어 전문가 모두가 쉽게 읽을 수 있는 다학제적인 책이 될 것이다.
- 샤미어 카더(Shameer Khader) 박사/
헬스케어 데이터 과학 및 생물정보학 디렉터, 노스웰 헬스(뉴욕시)

옮긴이 고석범
가톨릭대학교 의과대학을 졸업하고, 서울성모병원에서 신경과 전문의 자격을 획득했다. 종합병원, 요양병원 등에서 봉직의로 근무한 경력이 있고, 시립 요양원 책임자를 맡기도 했다. 센터 관리자, 병원장 등과 같은 행정 경험을 하면서 여러 가지 의료 현장의 문제를 컴퓨터가 해결할 수 있음을 깨닫고 독학으로 컴퓨터를 공부하기 시작했다. 시간을 쪼개 R 프로그래밍 언어와 헬스케어 관련 책들을 저술하고 번역했다. 액체 생검 바이오 벤처에서 일했고, 지금은 다시 의료 현장으로 돌아와 헬스케어 ICT를 통해 의료의 질과 효율을 향상시키는 데 기여하고자 노력 중이다.