Many diseases cause other diseases with strength of influences and time intervals. Prognostic and therapeutic assessments are the important part of clinical medicine as well as diagnostic assessments. In cases where a patient already has manifestations of multiple disorders (complications), progress forecasting and therapy decision by physicians without support tools are very difficult: physicians often say that "Once complications set in, the patient may die."
Treating complications are difficult tasks for physicians, because they have to consider all of the complexities, possibilities and interactions between the diseases. The prediction of multiple disorders has many bundles that arise from such time-dependent interrelationships between diseases and nonlinear progress.
This paper proposes a model based on time-dependent influences, which appropriately describes the progress of multiple disorders, and some modifications for applying this model to medical domains; time-dependent influence matrix, manifestation vector, therapy efficacy matrix, S-shaped curve approximation, definitions of which are provided. This research proposes an algorithm for forecasting the state of each disease on the time horizon and for evaluating therapy alternatives with not a toy example, but real patient histories of multiple disorders.
합병증은 의사에게 있어서 진단 뿐만 아니라 예후나 치료에 가장 어려운 대상이다. 일반적으로 하나의 질병은 일정기간 후에, 혹은 일정기간 동안에 다른 질병을 유발시킨다. 합병증을 가지고 내원한 환자를 진단, 치료하기 위해서 의사는 합병증의 예후를 예측하여야 하며, 그 시점에 가장 최적의 치료를 하기 위해서는 여러 가지 가능성과 연관관계, 가능한 치료대안의 선정, 치료의 효과 등을 정확히 인지하고 있어야 하며, 이러한 의학지식을 기반으로 한 추론능력을 갖추고 있어야 한다. 그러나, 이렇게 복잡한 추론을 함에 있어서 다른 분석도구나 의사결정지원도구 등의 도움없이 의사의 오직 경험으로부터 얻은 지식과 여러가지 가능성에 대한 막연한 고려만이 동원되므로 그 결과에 대해서 의사자신도 신뢰를 하지 못하는 경우가 많다. 의사를 당황하게 하는 여러 복잡한 의학지식 가운데 가장 그 비중이 큰 것이 경과 시간에 따라 달라지는 질병간의 유발관계와 그 정도이다. 합병증을 치료하던 중 또다른 질병의 이상 징후를 발견하면 의사는 그때까지의 치료의 적합성에 대해 큰 의구심을 가지게 되고 자신감을 잃게 된다. 이러한 경우는 의사의 경험과 병리학적 지식이 부족할수록 빈번히 일어난다.
본 논문은 질병간의 유발관계와 경과시간에 따른 유발강도의 변화를 설명할 수 있는 모델을 제시하였다. 그리고, 이 모델에 입각하여 합병증의 예후예측과 특정시점에서의 치료대안 평가를 할 수 있는 알고리즘을 개발하였다. 또한 알고리즘이 가지는 특성 (영향행렬이 singular form, 다른 합병증 지도와 연결함으로써 지식의 확장이 가능, parameter estimation이 가능)등을 설명하고, 그 활용방안에 대해 설명하였다.
