KR102203705B1

KR102203705B1 - 연속형 변수의 계층화 그룹핑 방법 및 이를 이용한 상관관계 분석 방법 및 그 장치

Info

Publication number: KR102203705B1
Application number: KR1020180097695A
Authority: KR
Inventors: 노오규
Original assignee: 아주대학교산학협력단
Priority date: 2018-08-21
Filing date: 2018-08-21
Publication date: 2021-01-15
Also published as: KR20200021844A

Abstract

연속형 변수의 계층화 그룹핑 방법 및 이를 이용한 상관관계 분석 방법 및 그 장치를 제공한다. 발명의 일 실시예에 따른 연속형 변수의 계층화 그룹핑 방법은, 분석 데이터를 교란변수들의 조합이 동일한 복수의 서브그룹으로 분류하는 단계, 각 서브그룹을 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 각각 구분하는 단계, 각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성하는 단계를 포함한다.

Description

연속형 변수의 계층화 그룹핑 방법 및 이를 이용한 상관관계 분석 방법 및 그 장치{Method for stratified grouping of continuous variables and Method and Apparatus for analyzing correlation using as the same}

본 발명은 연속형 변수의 계층화 그룹핑 방법 및 이를 이용한 상관관계 분석 방법 및 그 장치에 관한 것으로, 보다 자세하게는 연속형 변수에 대해 교란변수를 이용하여 계층화 그룹핑하는 방법, 계층화 그룹핑된 연속형 변수와 종속변수와의 상관관계 분석 방법 및 그 장치에 관한 것이다.

현대 의학에서는 질병을 일으키거나 질병 발생과 관련된 요인을 찾고, 새로 개발된 신약이나 치료법의 효과를 분석하기 위해서 다양한 통계 분석 알고리즘이 탑재되어 있는 소프트웨어를 빈번하게 이용하게 된다.

간수치, 콜레스테롤 수치, 혈압, 체질량 지수(BMI), 흡연 여부 등은 병원에서 대표적으로 확보할 수 있는 임상, 역학 변수들로, 치료 또는 연구하고자 하는 목적에 따라 측정, 관찰 또는 실험을 통해 확보되는 변수들은 수십건 이상으로 확대될 수 있다.

한편, 연속형 변수(독립 변수)는 특정 종속변수와 상관관계가 있는 경우가 있다. 연속형 변수는 숫자로 표기되고, 숫자 자체로 크기가 의미가 있는 변수로, 예컨대, 환자에게 투여되는 약의 양 및/또는 횟수 등일 수 있다. 종속 변수는 연속형 변수(독립 변수)의 값에 의존하는 것으로 가정되는 변수(예를 들어, 환자의 혈압)이다. 이러한 연속형 변수와 종속 변수 사이에 실제로 관계가 있는지(예를 들어, 환자가 받는 약의 양이 환자의 혈압과 관계가 있는지)를 다양한 통계 알고리즘을 이용하여 판정할 수 있다.

연속형 변수의 그룹핑을 통해 특정 종속변수와 상관관계를 분석하고자 할 때, 일반적으로 “단순 그룹핑” 방법(simple grouping)을 사용한다. 단순 그룹핑 방법은 도 1과 같이 특정값(평균값 혹은 중앙값)을 기준으로 두 그룹으로 나누는 방법이 많이 사용되고 있다.

그러나, 단순 그룹핑 방법의 경우, 교란변수(confounder) 등의 영향으로 상관관계를 밝히지 못하는 경우가 있다. 교란변수(연속형 변수의 수준에 따라 체계적으로 변하는 것들)는 종속 변수에 영향을 줄 수 있는 것으로, 어느 인자(변수)가 종속 변수(들)에서의 임의의 관찰된 변화를 야기했는지를 알아내는 것을 불가능하게 한다. 따라서, 교란 변수의 존재는 연속형 변수와 종속 변수 간의 인과 관계(causal relationship)에 관한 통계적 추론을 하는 것을 불가능하게 한다.

따라서 연속형 변수의 그룹핑을 통해 해당 연속형 변수가 특정 종속변수와 상관관계가 있으나, 교란변수로 인해 상관관계를 밝히지 못할 경우에도 연속형 변수와 종속변수와의 상관관계를 분석할 수 있는 기술 개발에 대한 필요성이 요구되고 있다.

관련 선행기술로는 한국공개특허 제10-2015-0116121호(발명의 명칭: 연속형 종속변수 예측 시스템 및 방법, 이를 이용한 항공 화물 운임 예측 시스템 및 방법, 공개일자: 2015.10.15.)가 있다.

본 발명이 해결하고자 하는 과제는 연속형 변수의 그룹핑을 통해 해당 연속형 변수가 특정 종속변수와 상관관계가 있으나, 교란변수로 인해 상관관계를 밝히지 못할 경우에도 연속형 변수와 종속변수와의 상관관계를 분석할 수 있는 연속형 연속형 변수의 계층화 그룹핑 방법 및 이를 이용한 상관관계 분석 방법 및 그 장치를 제공하는 것이다.

본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따른 연속형 변수의 계층화 그룹핑 방법은, 장치가 연속형 변수를 계층화 그룹핑하는 방법에 있어서, 분석 데이터를 교란변수들의 조합이 동일한 복수의 서브그룹으로 분류하는 단계, 각 서브그룹을 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 각각 구분하는 단계, 각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성하는 단계를 포함한다.

바람직하게는, 상기 대표값은 중앙값이고, 상기 구분하는 단계는, 상기 각 서브그룹별로 연속형 변수 분포를 올림차순으로 정렬하는 단계, 상기 각 서브그룹별로 연속형 변수 분포에서 중앙값을 선택하는 단계, 상기 각 서브그룹별로 중앙값 초과의 연속형 변수를 상위 연속형 변수, 중앙값 미만의 연속형 변수를 하위 연속형 변수로 구분하는 단계를 포함할 수 있다.

본 발명의 다른 실시예에 따른 장치가 분석하고자 하는 데이터에 대해 연속형 변수와 특정 종속변수와의 상관관계를 분석하는 방법에 있어서, 상기 데이터에서 연속형 변수, 종속변수, 교란변수에 대한 정보를 추출하는 단계, 상기 추출된 연속형 변수에 대해 교란변수를 이용하여 계층화 그룹핑하는 단계, 상기 계층화 그룹핑된 연속형 변수와 상기 종속변수와의 상관관계를 분석하는 단계를 포함한다.

바람직하게는, 상기 계층화 그룹핑하는 단계는, 상기 데이터를 교란변수들의 조합이 동일한 복수의 서브그룹으로 분류하는 단계, 각 서브그룹을 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 각각 구분하는 단계, 각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성하는 단계를 포함할 수 있다.

본 발명의 또 다른 실시예에 따른 연속형 변수의 계층화 그룹핑을 이용한 상관관계 분석 장치는 분석하고자 하는 데이터를 연속형 변수에 대해 동일한 교란변수를 가지도록 계층화 그룹핑하는 계층화 그룹핑부, 상기 계층화 그룹핑된 연속형 변수와 종속변수간의 상관관계를 분석하는 상관관계 분석부를 포함한다.

바람직하게는, 상기 계층화 그룹핑부는, 상기 데이터를 교란변수들의 조합이 동일한 복수의 서브그룹으로 분류하고, 각 서브그룹을 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 각각 구분하며, 각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성할 수 있다.

본 발명에 따르면, 연속형 변수를 교란변수를 이용하여 계층화 그룹핑을 함으로써, 연속형 변수가 특정 종속변수와 상관관계가 있으나 교란변수로 인해 상관관계를 밝히지 못할 경우에도 연속형 변수와 종속변수와의 상관관계를 분석할 수 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 종래의 단순 그룹핑 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 상관관계를 밝혀내는 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 연속형 변수의 계층화 그룹핑을 설명하기 위한 흐름도이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 연속형 변수의 계층화 그룹핑을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석을 위한 장치를 설명하기 위한 도면이다.
도 8은 폐 선량과 생존율과의 연관성을 조사하기 위해 환자를 폐 선량에 따라 두개의 그룹으로 분류하는 단순 그룹핑과 계층화 그룹핑을 설명하기 위한 예시도이다.
도 9는 단순 그룹핑과 계층화 그룹핑에 의한 고 폐선량 그룹과 저 폐선량 그룹 사이의 전체 생존율, 국소 재발없는 생존율 및 먼 전이없는 생존율을 설명하기 위한 도면이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 2는 본 발명의 일 실시예에 따른 상관관계를 밝혀내는 과정을 설명하기 위한 도면이다.

도 2를 참조하면, 연속형 변수에 대해 교란변수를 이용한 계층화 그룹핑(stratified grouping)을 수행하고, 그 결과를 이용하여 연속형 변수와 종속변수와의 상관관계를 분석한다. 그러면, 연속형 변수의 그룹핑을 통해 해당 연속형 변수의 특정한 종속변수와의 상관관계가 있다 하더라도 교란변수로 인해 상관관계를 밝히지 못할 경우에도 연속형 변수와 종속변수와의 상관관계를 분석할 수 있다.

도 3은 본 발명의 일 실시예에 따른 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석 방법을 설명하기 위한 흐름도이다.

도 3을 참조하면, 장치는 분석하고자 하는 데이터가 입력되면(S310), 그 데이터를 연속형 변수에 대해 교란변수를 이용하여 계층화 그룹핑한다(S320). 이때, 데이터는 연속형 변수(독립변수), 종속변수, 교란변수 등을 포함할 수 있다. 따라서, 장치는 데이터가 입력되면, 그 데이터를 분석하여 연속형 변수, 교란변수, 종속변수 등에 대한 정보를 획득한다. 이때, 연속형 변수, 종속변수 및 교란변수는 미리 설정될 수 있다. 그런 후, 장치는 연속형 변수에 대해 동일한 교란변수를 가지도록 계층화 그룹핑한다. 연속형 변수의 계층화 그룹핑에 대한 상세한 설명은 도 4를 참조하기로 한다.

단계 S320이 수행되면, 장치는 계층화 그룹핑된 연속형 변수와 종속변수간의 상관관계를 분석한다(S330). 이때, 장치는 스튜던트의 T 검정(Student's T test), 웰치의 T 검정(Welch's T test), 크루스칼-왈리스 검정(Kruskal-Wallis test) 등 다양한 통계 알고리즘을 이용하여 연속형 변수와 종속변수간의 상관관계를 분석할 수 있다.

도 4는 본 발명의 일 실시예에 따른 연속형 변수의 계층화 그룹핑을 설명하기 위한 흐름도, 도 5 및 도 6은 본 발명의 일 실시예에 따른 연속형 변수의 계층화 그룹핑을 설명하기 위한 예시도이다.

도 4를 참조하면, 장치는 분석하고자 하는 데이터를 교란변수들의 조합이 동일한 복수의 서브그룹으로 분류한다(S410).

예를 들어, 분석하고자 하는 데이터가 도 5의 (a)이고, 연속형변수(exposure)를 제1 교란변수(var_01)와 제2 교란변수(var_02)를 이용하여 계층화 그룹핑하는 경우에 대해 설명하기로 한다. 이때, 제1 교란변수의 값이 1, 0으로 구성되고, 제2 교란변수의 값이 1, 0으로 구성되었다고 가정한다. 이 경우, 제1 교란변수와 제2 교란변수의 조합은 (0,0), (0,1), (1,0), (1,1)이므로, 장치는 도 5의 (b)와 같이 제1 교란변수와 제2 교란변수의 조합이 동일한 4개의 서브그룹을 생성한다. 즉, 장치는 제1 교란변수의 값과 제2 교란변수의 값이 모두 '0'인 조합 (0,0)의 데이터들을 제1 서브그룹(A), 제1 교란변수의 값이 '0'이고, 제2 교란변수의 값이 '1'인 조합 (0, 1)의 데이터들을 제2 서브그룹(B), 제1 교란변수의 값이 '1'이고, 제2 교란변수의 값이 '0'인 조합(1, 0)의 데이터들을 제3 서브그룹(C), 제1 교란변수의 값과 제2 교란변수의 값이 모두 '1'인 조합 (1,1)의 데이터들을 제4 서브그룹(D)으로 생성한다.

단계 S410이 수행되면, 장치는 각 서브그룹의 해당 연속형 변수의 분포를 확인하고(S420), 각 서브그룹별로 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 구분한다(S430). 여기서, 대표값은 중앙값, 평균값 등을 포함할 수 있으나, 이하에서는 중앙값으로 한정하여 설명하기로 한다. 이 경우, 장치는 각 서브그룹별로 연속형 변수 분포를 올림차순으로 정렬하고, 각 서브그룹별로 연속형 변수 분포에서 중앙값을 선택한 후, 각 서브그룹별로 중앙값 초과의 연속형 변수를 상위 연속형 변수, 중앙값 미만의 연속형 변수를 하위 연속형 변수로 구분한다.

단계 S430이 수행되면, 장치는 각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성한다(S440).

예를 들어, 도 5의 (b)를 참조하면, 제1 서브그룹의 중앙값은 식별번호 20이므로, 1, 18에 해당하는 연속형 변수는 하위 연속형 변수(연보라색), 21, 23에 해당하는 연속형 변수는 상위 연속형 변수(베이지색)로 구분될 수 있다. 제2 서브그룹의 중앙은 9과 10의 사이이므로, 3, 4, 5, 6, 7, 8, 9 에 해당하는 연속형 변수는 하위 연속형 변수, 10, 12, 13, 15, 16, 17, 25 에 해당하는 연속형 변수는 상위 연속형 변수로 구분될 수 있다. 제3 서브그룹의 중앙은 26과 27의 사이이므로, 14, 19, 22, 24, 26 에 해당하는 연속형 변수는 하위 연속형 변수, 27, 28, 29, 30은 상위 12, 13, 15, 16, 17, 25 에 해당하는 연속형 변수는 상위 연속형 변수로 구분될 수 있다. 제4 서브그룹의 2 에 해당하는 연속형 변수는 하위 연속형 변수, 11 에 해당하는 연속형 변수는 상위 연속형 변수로 구분될 수 있다.

그런 후, 장치는 (c)와 같이 연속형 변수를 상위그룹(High exposure group)과 하위그룹(Low exposure group)으로 나눈다. 즉, 제1 서브그룹에서 중앙값보다 적은 연속형 변수는 하위 그룹으로, 중앙값보다 큰 연속형 변수는 상위그룹, 제2 서브그룹에서 중앙값보다 적은 연속형 변수는 하위그룹, 중앙값보다 큰 연속형 변수는 상위그룹, 제3 서브그룹에서 중앙값보다 적은 연속형 변수는 하위그룹, 중앙값보다 큰 연속형 변수는 상위그룹, 제4 서브그룹에서 중앙값보다 적은 연속형 변수는 하위그룹, 중앙값보다 큰 연속형 변수는 상위그룹이 될 수 있다.

여기에서는 교차변수가 2개인 경우를 예시로 하여 설명하였으나, 연속형 변수의 계층화 그룹핑에 이용하는 교차변수의 개수는 한정되지 않는다.

예를 들어, 도 6과 같이 SEX, COPD, CCI, SURG, pT, pN, RM, CTx, PET, RT Dose 총 10개의 교란변수를 연속형 변수 MLD에 대해 계층화 그룹핑하여 Low Lung Dose Group와 High Lung Dose Group을 생성할 수 있다.

구체적으로, 도 6의 (a)를 참조하면, 10개 교란변수들의 조합에 의해 붉은 테두리선으로 구분된 33개의 서브그룹을 생성된다. 33개의 각 서브그룹은 중앙값에 의해 상위 연속형 변수(베이지색)와 하위 연속형 변수(연보라색)로 각각 구분된다. 각 서브그룹의 하위 연속형 변수에 의해 Low Lung Dose Group이 생성되고, 각 서브그룹의 상위 연속형 변수에 의해 High Lung Dose Group이 생성된다.

계층화 그룹핑에 의해 생성된 Low Lung Dose Group와 High Lung Dose Group을 연속형 변수인 MLD(Mean Lung Dose)으로 나타내면 도 6의 (b)와 같을 수 있다.

도 7은 본 발명의 일 실시예에 따른 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석을 위한 장치를 설명하기 위한 도면이다.

도 7을 참조하면, 본 발명의 일 실시예에 따른 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석을 위한 장치는 저장부(710), 출력부(720), 제어부(730), 계층화 그룹핑부(740), 상관관계 분석부(750)을 포함한다.

저장부(710)는 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석을 위한 장치(700)의 동작과 관련된 데이터들을 저장하는 구성이다. 여기서 저장부(710)는 공지된 저장매체를 이용할 수 있으며, 예를 들어, ROM, PROM, EPROM, EEPROM, RAM 등과 같이 공지된 저장매체 중 어느 하나 이상을 이용할 수 있다.

특히, 저장부(710)에는 연속형 변수의 계층화 그룹핑과 상관관계 분석을 위한 프로그램 또는 애플리케이션이 저장될 수 있다. 또한, 저장부(710)에는 연속형 변수의 계층화 그룹핑과 상관관계 분석을 위한 관련된 다양한 알고리즘(또는 수학식)을 저장할 수 있다. 이러한 경우, 제어부(730)는 저장부(710)를 호출하여 필요한 알고리즘을 획득할 수 있다.

출력부(720)는 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석을 위한 장치(700)의 동작과 관련된 다양한 정보를 표시하기 위한 구성이다. 특히, 출력부(720)는 계층화 그룹핑부(740)에서 계층화 그룹핑에 의해 생성된 그룹, 상관관계 분석부(750)에서 분석된 연속형 변수와 종속변수간의 상관관계 등의 다양한 정보를 표시할 수 있다. 이러한 출력부(720)는 LCD, LED 등을 포함하는 다양한 디스플레이 장치를 통해 구현될 수 있다.

제어부(730)는 계층화 그룹핑을 이용한 연속형 변수의 상관관계 분석을 위한 장치(700)의 다양한 구성부들의 동작을 제어하는 구성으로, 적어도 하나의 연산 장치를 포함할 수 있는데, 여기서 상기 연산 장치는 범용적인 중앙연산장치(CPU), 특정 목적에 적합하게 구현된 프로그래머블 디바이스 소자(CPLD, FPGA), 주문형 반도체 연산장치(ASIC) 또는 마이크로 컨트롤러 칩일 수 있다.

계층화 그룹핑부(740)는 분석하고자 하는 데이터를 연속형 변수에 대해 동일한 교란변수를 가지도록 계층화 그룹핑한다. 즉, 계층화 그룹핑부(740)는 분석하고자 하는 데이터를 교란변수들의 조합이 동일한 복수의 서브그룹으로 분류하고, 각 서브그룹의 해당 연속형 변수의 분포를 확인한다. 그런 후, 계층화 그룹핑부(740)는 각 서브그룹별로 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 구분하고, 각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성한다.

상관관계 분석부(750)는 계층화 그룹핑된 연속형 변수와 종속변수간의 상관관계를 분석한다.

본 발명의 일 실시예에 따르면, 계층화 그룹핑부(740) 및 상관관계 분석부(750)는 외부 단말 장치나 외부 서버 등과 통신하는 프로그램 모듈들일 수 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈로서 장치(700)에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치상에 저장될 수 있다. 또한, 이러한 프로그램 모듈들은 장치(700)와 통신 가능한 원격 기억 장치에 저장될 수도 있다. 이러한 프로그램 모듈들은 본 발명에 따라 전술한 특정 동작을 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.

한편, 장치(700)는 컴퓨터, 노트북, 넷북, PDA 등의 통신단말기일 수 있으며, 스마트폰, 스마트 노트, 태블릿 PC, 스마트 TV 등의 스마트 기기일 수도 있다. 또한, 장치(700)는 단일의 연산 장치로 구현되거나 둘 이상의 연산 장치가 서로 연결된 집합 장치의 형태로 구현될 수도 있다. 예를 들어, 장치(700)는 단일의 서버로 구현되거나 둘 이상의 서버가 연결된 형태로 구현될 수 있다.

이하, 본 발명에 대해 비소세포폐암(non-small cell lung cancer)에 대한 수술 후 방사선 요법의 폐 선량과 사망 위험 가능성을 예시하여 설명하기로 한다.

이를 위해, 수술 후 방사선 치료를 받은 비소 세포 폐암 환자 178 명을 분석하였다. 평균 폐 선량(mean lung dose)은 dose-volume 데이터로부터 계산하였고, 단순 그룹핑 방법과 계층화 그룹핑 방법을 사용하여 고폐선량 그룹과 저폐선량 그룹으로 분류하였다. 즉, 모든 환자의 중간 폐 선량(median lung dose)을 사용한 단순 그룹핑(simple grouping) 방법과 동일한 교란변수(confounders)를 가지는 각 서브그룹의 중간 폐 선량을 사용한 계층화 그룹핑(stratified grouping)방법을 이용하여 고 폐선량 그룹과 저 폐선량 그룹으로 분류하였다. 그리고, 임상 변수(clinical variables)와 고폐선량 그룹과 저선량 그룹간의 생존율을 비교하였다.

구체적으로, Staging 평가로는 가슴과 상복부의 기관지 내시경, 전산화 단층 촬영(CT), 뇌 CT 또는 자기 공명 영상, 골 스캔 또는 양전자 방출 단층 촬영((PET)-CT)가 일상적으로 수행되었다. 종격동 림프절 절제술(mediastinal lymph node dissection)을 받은 모든 환자들은 폐엽 절제술(lobectomy) 또는 폐전절제술(pneumonectomy)을 시행받았다. 수술 후 방사선 요법은 병리학적으로 양성(주로 N2), 절제면이 양성 또는 가까운 절제면을 보이는 환자에서 시행하였다. 방사선 요법은 수술 후 4~5 주내에 시작되었고, 3차원 입체 방사선 치료(three-dimensional conformal radiotherapy)는 메가 전압 광자 빔(mega-voltage photon beam)을 사용하여 수행되었다. 초기 임상 타겟 볼륨(initial clinical target volume)은 기관지 스텀프(bronchial stump), 종격동 림프절 양성 스테이션(mediastinal nodal stations) 및 그 다음 유출 림프절 마디 스테이션(draining nodal stations)을 포함하였다. 부스트 임상 타겟 볼륨(boost clinical target volume)은 기관지 스텀프를 포함하고 종격동 림프절 양성 스테이션만 포함했다. 계획 타겟 볼륨(planning target volume)은 임상 타겟 볼륨에서 1-1.5 cm의 여백만큼 모든 방향으로 확장하여 설정하였다. 재발 위험에 따라 부스트 계획 타겟 볼륨(boost planning target volume)을 최대 50.4-60 Gy로 조사하였고, 초기 계획 타겟 볼륨에는 총 44-45 Gy을 조사하였다. 양성 절제면(positive resection margin)의 경우, 위험 영역은 66-70 Gy의 용량까지 증가했다. 보조 화학 요법은 4-6주기의 백금 기반 요법(platinum-based regimens)으로 시행되었다. 보조 요법 완료 후 첫 해에는 3 개월마다 추적 관찰을 받았고, 향후 2년동안 6개월마다 추적 관찰을 받고 매년 검진을 받았다. 추적 관찰 중 간단한 흉부 방사선 사진이나 흉부 CT를 시행하였고, 의사의 재량에 따라 PET-CT 스캔을 실시하였다. 기저 동반 질환의 평가를 위해 age-adjusted Charlson comorbidity score를 채택하였고, 각 환자의 첫 방문 시점부터 근치적 수술 날짜까지의 입원 환자 및 외래 환자 기록에서 이전에 확인된 ICD-10 진단 코드를 사용하여 결정하였다. 폐 조직의 선량을 계산하기 위해 Varian Eclipse External Beam Planning System 버전 7.1 (Varian Medical System, Palo, Alto, CA)을 사용하였고, 이질성 보정이 적용된 pencil-beam algorithm 이 적용되었다. 각 환자의 평균 폐 선량은 dose-volume 데이터로부터 얻어졌다. 이때, 잔여 폐 전체는 단일 장기로 간주되었다.

또한, 폐 선량과 생존율과의 연관성을 조사하기 위해 환자를 폐 선량에 따라 두개의 그룹으로 나누었다. 고폐선량 그룹과 저폐선량 그룹으로 분류하기 위해 도 8의 (a)와 같은 모든 환자의 중간 폐 선량(median lung dose)을 사용한 단순 그룹핑(simple grouping) 방법, 도 8의 (b)와 같은 동일한 교란변수(confounders)를 가지는 환자의 각 서브그룹의 중간 폐 선량을 사용한 계층화 그룹핑(stratified grouping) 방법을 사용하였다. 이때, 교란변수는 성별(male vs female), 만성 폐쇄성 폐 질환(chronic obstructive pulmonary disorder)(yes vs no), 합병증 지수(3미만 vs 3이상), 수술 유형(폐엽 절제술(lobectomy) vs 폐전절제술(pneumonectomy)), 병리학적 T-단계(pathologic Tstage)(112 vs 3-4), 병리학적 N-단계(0 vs 1 vs 2), 수술 절제연(surgical margin (+ vs -), 보조 화학 요법의 사용(yes vs no), PET-CT staging의 사용(yes vs no) 및 방사선 요법 용량(radiation therapy dose)(각 개별 투여 수준)을 포함할 수 있다. 이러한 두개의 그룹간의 임상 변수와 생존율을 비교하였다. 고 폐선량 그룹과 저 폐선량 그룹 간의 비교는 카테고리 변수에 대한 Fisher's exact test 혹은 chi-squared test를 사용하였고, 연속형 변수에 대해서는 Student t-test 혹은 Kruskal-Wallis rank sum test 등을 사용하였다. 또한, 국소 재발없는 생존(locoregional recurrence-free survival), 원격 전이가 없는 생존(distant metastasis-free survival) 및 전체 생존(overall survival)에 영향을 주는 임상 변수를 분석하였다. 생존 시간은 수술적 치료 날짜와 마지막 추적 방문, 사망 또는 재발 날짜 사이의 간격에 의해 정의하였다. 생존은 Kaplan-Meier 방법을 사용하여 계산하였고, Cox proportional hazards regression models(Cox 비례 위험 회귀 모델)은 단일 변수 및 다변량 분석을 위해 구현하였다. P값이 0.10 미만인 변수는 다변량 분석에 포함되었다. Cox 모델에 interaction term을 추가함으로써 잠재적 교란변수와 폐선량 간의 상호 작용을 시험하였다. 0.05 미만의 양면 P 값은 통계적으로 유의하다고 간주하였다. 모든 통계 분석은 R software를 사용하여 수행하였다.

상술한 방법을 사용하여 분석한 결과는 아래와 같다.

178 명의 환자 중 145 명(81.5 %)이 남성이었고 연령은 30-78세(중간 값, 62 세)였다. 수술의 유형은 143명의 환자(80.3 %)가 폐엽 절제술/이폐엽절제술(lobectomy/bilobectomy)이었고, 35명의 환자(19.7 %)가 폐전절제술(pneumonectomy)이었다. 편평 상피암(Squamous cell carcinoma)은 79명의 환자(44.4 %)에서 관찰되었고, 선암(adenocarcinoma)은 80명의 환자(44.9 %)에서 발견되었다. 14명의 환자(7.9 %)는 양성 현미경 절제연(positive microscopic resection margin)을 보였다. 방사선 요법의 중간 선량(median dose)은 54 Gy(range, 45.0-70.0 Gy), 평균 폐 선량은 0.0에서 25.3 Gy (중앙값, 12.5)였다. 전체 방사선 치료 시간은 32 일에서 90 일(중앙값, 39)이었다. 증상이 있는 방사선 폐렴(symptomatic radiation pneumonitis)으로 인해 스테로이드를 투여받은 환자는 25명(14.0 %)이었으며, 보존적 요법(conservative therapy)으로는 치료되었고, 36명의 환자(20.2 %)에서 경증에서 중등도의 식도염이 발생했다. cisplatin을 이용한 보조 화학 요법이 60 명의 환자(33.7 %)에서 시행되었고, 화학 요법의 주기 수는 3에서 6 (중앙값, 4)이었다.

단순 그룹핑 및 계층화 그룹핑에 따른 고 폐선량 그룹과 저 폐선량 그룹 사이의 환자 특성은 아래 표 1과 같다.

[표 1]

표 1에서 SD(standard deviation)는 표준편차, COPD(chronic obstructive pulmonary disorder)는 만성 폐색성 폐질환, ECOG PS(Eastern Cooperative Oncology Group performance status), PET-CT(positron emission tomography-computed tomography), FEV1(forced expiratory volume in 1 s), POCT(postoperative chemotherapy)는 수술 후 화학 요법, PORT(postoperative radiation therapy)는 수술 후 방사선 요법을 의미한다.

표 1을 참조하면, 단순 그룹핑에서 고 폐선량 그룹은 합병증 지수가 높고, 저폐선량 그룹보다 폐엽 절제술을 받은 환자가 훨씬 더 많았다. 방사선학적 폐렴(radiation pneumonitis) 및 식도염(esophagitis)의 발생률은 고 폐선량 그룹에서 저폐선량 그룹보다 높았다(폐렴(pneumonitis) 20.9% 대 6.9 %, p = 0.014 ; 식도염(esophagitis) 28.6 % 대 11.5 %, p = 0.008).

또한, 계층화 그룹핑에서 폐 선량(lung dose)을 제외하고는 두 그룹간에 유의한 차이가 없었다(평균, 15.3 Gy 대 11.5 Gy, p <0.001). 방사선 폐렴 및 식도염의 발생률은 2개의 계층화 그룹간에 유의한 차이가 없었다.

평균 178 명의 환자에서 추적 관찰 기간의 중앙값은 3 개월에서 123 개월 (중앙값 30)이었고, 5년 생존율은 43.7% 이였다. 5년 국소 재발없는 생존율(locoregional recurrence-free survival)과 원격 전이없는 생존율(distant metastasis-free survival)은 각각 53.4 %와 42.5 %였다.

도 9는 단순 그룹핑과 계층화 그룹핑에 의한 고 폐선량 그룹과 저 폐선량 그룹 사이의 전체 생존율, 국소 재발없는 생존율 및 먼 전이없는 생존율을 설명하기 위한 도면이다. 도 9의 (a)를 참조하면, 단순 그룹핑에서 고 폐선량 그룹과 저 폐선량 그룹 사이의 전체 생존율, 국소 재발없는 생존율 및 먼 전이없는 생존율에는 유의한 차이가 없음을 확인할 수 있다. 도 9의 (b)를 참조하면, 그룹핑 계층화에서 저 폐선량 그룹의 전체 생존율은 고 폐선량 그룹의 전체 생존율보다 높고(5년 생존율 : 60.1 % 대 35.3 %, p = 0.039), 국소 재발없는 생존율과 먼 전이없는 생존에는 유의한 차이가 없음을 확인할 수 있다.

단순 그룹핑으로 분류된 환자의 생존에 영향을 미치는 임상 요인에 대한 단일 변수 및 다변수 분석은 아래 표 2와 같다.

[표 2]

표 2에서 OS(overall survival)는 전체 생존률, LRRFS(locoregional recurrence-free survival)는 국소재발없는 생존, DMFS(distant metastasis-free survival)는 먼 전이없는 생존, HR(hazard ratio)는 위험 비율, CI(confidence interval)는 신뢰구간, COPD(chronic obstructive pulmonary disorder)는 만성 폐색성 폐질환, ECOG PS(Eastern Cooperative Oncology Group performance status), PET-CT(positron emission tomography-computed tomography), FEV1(forced expiratory volume in 1s), POCT(postoperative chemotherapy), PORT(postoperative radiotherapy)를 의미한다.

표 2를 참조하면, 폐절제술(Pneumonectomy)은 전체 생존율(위험 비, HR = 1.98, p = 0.006)과 원격 전이없는 생존율 (HR = 1.71, p = 0.040)의 부정적인 결정 요인임을 확인할 수 있다. 또한, 양성 외과적 절제연(positive surgical margin)은 국소 재발없는 생존율 및 원격 전이없는 생존율에 대한 나쁜 예후 인자임을 확인할 수 있다. 또한, PET-CT staging(no vs. yes)의 사용은 전체 생존율에 중요한 인자(HR = 0.38, p = 0.036)임을 확인할 수 있다.

계층화 그룹핑에서 환자들사이의 단일 변수 및 다변량 분석 결과는 아래 표 3과 같다.

[표 3]

표 3을 참조하면, 폐선량은 전체 생존율에 중요한 예후 인자(HR = 2.08, p = 0.019) 임을 확인할 수 있다.

또한 생존에 영향을 미치는 다른 dose-volume 파라미터(V-dose: 5Gy 간격으로 V50에서 V50까지의 통계치)의 영향을 단순 그룹핑 및 계층화 그룹핑을 사용하여 분석하였고, 그 결과는 표 4와 같다.

[표 4]

표 4를 참조하면, 모든 V-dose 파라미터는 단순 그룹핑 방법과 계층화 그룹핑 방법 모두에서 생존에 영향을 미치는 유의한 예측 인자가 아님을 확인할 수 있다.

한편, 본 발명은 폐 선량 수준이 비소 세포 폐암에 대한 수술 후 방사선 요법으로 치료받은 환자의 사망 위험과 관련이 있다고 가정하였고, 단순 그룹핑을 사용한 초기 분석에서는 이 연관성을 입증하지 못하였으나, 계층화 그룹핑을 시행한 후에는 폐 선량과 사망위험 사이에 유의한 관계가 나타났다. 모든 환자 중 특정 피폭선량(exposure) 값에 따라 환자를 그룹으로 분류하는 단순 그룹핑은 도 8의 (a)와 같이 회귀 설정에서 피폭선량(exposure)의 영향을 조사하는 일반적인 방법으로 채택되었다. 비록 단순 그룹핑이 어떤 경우에 유효할지라도, 위험 그룹이 결과에 영향을 미치는 주요 변수에 의해 심하게 교란될 때 작동하지 않을 수 있다.

단순 그룹핑은 표 1과 같이 고 폐선량 그룹과 저 폐선량 그룹 간의 여러 변수에 편향된 분포를 만들었으며, 이러한 불균형은 폐 선량의 영향을 희생하여 죽음의 위험에 처하는 것으로 보였다. 특히 전체 생존율에 나쁜 예후 인자(HR = 1.98, p = 0.006)로 나타난 폐전절제술의 비율은 저 폐선량 그룹이 고폐선량 그룹에 비해 유의하게 높았다(36.8 % vs. 3.3 %, p <0.001). 결과적으로 단순 그룹핑에 의한 두 그룹간의 생존율은 도 9의 (a)에 도시된 바와 같이 국소 재발없는 생존율, 원격 전이없는 생존율 및 전체 생존율에서 거의 동일했다. 단순 그룹핑의 이러한 중요하지 않은 결과를 통해 다변수 분석을 사용하여 교란 변수를 조정하는 것은 의미가 없다.

이처럼 단순 그룹핑 방법은 폐의 피폭선량과 생존율간의 상관관계를 보여주지 못하므로, 계층화 그룹핑 방법을 사용하여 위험 그룹을 분류하여 교란변수를 조절하였다. 계층화 그룹핑은 도 8의 (b)와 같이 환자들을 동일한 교란변수를 가지는 서브그룹으로 나눈 후, 고 폐선량 그룹과 저 폐선량 그룹으로 나누었다. 표 1에서 계층화는 잘 진행되었으며, 수술 유형의 비율을 포함하여 2 가지 위험 그룹간에 교란변수가 균형을 이루게 되었다.

폐 선량 값이 그룹간에 중복되었지만, 계층화 그룹핑한 후에도 단순 그룹핑의 유의한 폐선량 차이가 유지되었다. 생존율은 도 9의 (b)에 도시된 바와 저 폐선량 그룹의 전체 생존율이 고 폐선량 그룹보다 유의하게 높았고, 폐선량은 다변수 분석에서 전체 생존율에 영향을 미치는 유의한 예후인자임을 확인할 수 있다. 그러나, 국소 재발없는 생존율이나 먼 전이없는 생존율에는 차이가 없었다.

계층화 그룹핑에서 생존 결과의 패턴은 수술 후 방사선 요법을 받는 비소 세포 폐암 환자에서 더 높은 폐선량이 잠재적 사망의 위험 증가와 관련된다는 것을 확인할 수 있다. 기존의 연구들은 방사선치료를 받은 환자와 받지 않은 환자들을 비교하였고, 방사선치료 시행 자체가 병기가 낮은 경우에는 오히려 해가 된다고 보고하였다. 그러나 이 연구들은 방사선치료를 받은 환자들 가운데서의 잠재적인 해로움, 곧 잠재적 사망의 위험성에 대해서는 평가하지 못하는 한계가 있었다. 하지만 본 발명에서는 방사선치료를 받은 환자들 중에서 lung exposure에 따른 잠재적 사망 위험에 대해서 분석하였다. 방사선 유발성 잠재적 사망의 위험은 정상 조직에 대한 방사선 피폭(radiation exposure), 심지어 동일한 처방 선량으로 방사선 치료를 받는 환자사이에서도 다를 수 있다. 이에, 본 발명은 수술 후 방사선 치료를 받은 환자의 폐선량에 따른 잠재적 사망의 위험성을 입증하고자 하였다. 그러나 폐선량이 처방된 선량과 밀접하게 관련되어 있기 때문에, 이 연관성을 평가하는 것이 어려웠다. 처방된 선량이 높을수록 종양이 조절될 확률이 높아져 방사선치료의 잠재적 사망의 위험성을 상쇄시킬 수 있기 때문이다. 또한 폐 선량은 주로 병리학적 N-단계에 따라 달라지는 타겟 볼륨에 의해 영향을 받을 수 있으며, 방사선 장(radiation fields)에 포함된 폐의 볼륨에 영향을 주는 수술 정도에 따라 달라질 수 있다. 따라서 이러한 폐 선량에 따라 방사선 치료의 위험 및 이점에 영향을 미치는 다양한 잠재적 교란변수를 조절하기 위해 계층화 그룹핑을 적용하였다. 결과적으로 폐 선량에 따른 사망 위험의 유의한 차이를 발견할 수 있었다. 이러한 결과는 계층화 그룹핑이 교란변수를 조정하는 효과적인 방법이 될 수 있으며, 향후 연구에서도 피폭(exposure)의 영향을 탐색하는데 유용하다는 것을 보여준다.

심폐-관련 사망(Cardiopulmonary-associated deaths)은 방사선 치료-유도된 잠재적 사망의 주요 원인으로 제안되었으며, 본 발명의 결과는 폐선량이 주로 폐 사망의 증가로 인한 잠재적 사망의 위험 증가와 관련된다는 것을 지지한다. 수술 후 잔존 폐 기능은 수술 후 방사선 요법으로 치료받은 환자에서 유의한 예후 인자로 보고되었다. 방사선으로 유발된 폐 섬유화와 같은 폐 볼륨의 감소가 폐 선량과 관련되기 때문에, 폐 기능의 추가적인 손실은 폐 선량에 비례한다고 가정할 수 있다. 계층화 그룹핑에서 고 폐선량 그룹과 저 폐선량 그룹의 폐 선량 차이는 상대적으로 작았다(고 폐선량 그룹 vs. 저 폐선량 그룹, 평균 15.3 Gy vs. 11.5 Gy). 폐 선량의 작은 차이는 너무 작아서 방사선 폐렴(radiation pneumonitis)의 발병률에 큰 차이를 유발할 수 없었으나, 사망의 위험에 큰 영향을 미쳤다. 이러한 결과는 폐에 대한 방사선 노출의 상대적으로 작은 차이가 사망 위험에 영향을 미칠 수 있음을 상기시켜 준다. 이러한 맥락에서 수술 후 방사선 요법으로 치료받는 환자의 사망 위험을 줄이기 위해서는 폐 선량을 가능한 한 낮게 유지해야 한다. 또한, 개별 환자는 폐 기능을 포함하여 자신의 건강 상태에 따라 결정되는 다른 선량 한도를 갖게 될 것이다. 또한, 흉부 방사선 요법에서 방사선 폐렴뿐만 아니라 잠재적 사망의 위험도가 증가한다는 사실을 인식해야한다. 사망의 위험과 잠재적 이익의 균형을 맞추기 위해 맞춤형 방사선 요법을 제공하기 위해 폐 피폭선량 수준에 따라 개별적인 사망 위험을 결정하기 위한 추가 연구가 필요하다.

이에, 표 4와 같이 평균 폐 선량에 추가하여 다른 volume-based 파라미터의 효과를 분석하였다. 평균 폐 선량과는 달리 계층화 그룹핑을 사용한 후에도 다른 dose-volume 파라미터가 사망 위험에 유의한 영향을 미치지는 않았다. 이는 평균 폐 선량이 폐 선량 수준을 나타내는 가장 유용한 dose-volume 파라미터임을 시사한다. 결론적으로, 폐 선량은 동일한 교란변수를 가진 비소 세포 폐암 환자의 사망 위험과 관련이 있으며, 폐 선량과 잠재적 사망의 위험 증가 사이의 연관성을 제시하였고, 이는 폐 선량에 따라 사망 위험을 평가하는 더 많은 연구를 통해 보다 정확하고 개별화된 방사선 요법을 시행하고 방사선치료의 위험과 이익의 균형을 맞추는 데 도움이 될 것이다.

한편, 본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 일 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

700: 장치
710 : 저장부
720 : 출력부
730 : 제어부
740 : 계층화 그룹핑부
750 : 상관관계 분석부

Claims

장치가 연속형 변수를 계층화 그룹핑하는 방법에 있어서,
분석 데이터를 연속형 변수에 대해 동일한 조합의 교란변수를 갖는 복수의 서브그룹으로 분류하는 단계;
각 서브그룹을 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 각각 구분하는 단계; 및
각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성하는 단계
를 포함하는 연속형 변수의 계층화 그룹핑 방법.
제1항에 있어서,
상기 구분하는 단계는,
상기 각 서브그룹별로 연속형 변수 분포를 올림차순으로 정렬하는 단계;
상기 각 서브그룹별로 연속형 변수 분포에서 대표값을 선택하는 단계; 및
상기 각 서브그룹별로 중앙값 초과의 연속형 변수를 상위 연속형 변수, 중앙값 미만의 연속형 변수를 하위 연속형 변수로 구분하는 단계를 포함하는 것을 특징으로 하는 연속형 변수의 계층화 그룹핑 방법.
장치가 분석하고자 하는 데이터에 대해 연속형 변수와 특정 종속변수와의 상관관계를 분석하는 방법에 있어서,
상기 데이터에서 연속형 변수, 종속변수, 교란변수에 대한 정보를 추출하는 단계;
상기 추출된 연속형 변수에 대해 동일한 조합의 교란변수를 갖는 복수의 서브그룹으로 분류하여 계층화 그룹핑하는 단계; 및
상기 계층화 그룹핑된 연속형 변수와 상기 종속변수와의 상관관계를 분석하는 단계
를 포함하는 연속형 변수의 계층화 그룹핑을 이용한 상관관계 분석 방법.
제3항에 있어서,
상기 계층화 그룹핑하는 단계는,
각 서브그룹을 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 각각 구분하는 단계; 및
각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성하는 단계를 포함하는 것을 특징으로 하는 연속형 변수의 계층화 그룹핑을 이용한 상관관계 분석 방법.
분석하고자 하는 데이터를 연속형 변수에 대해 동일한 조합의 교란변수를 갖는 서브그룹으로 분류하여 계층화 그룹핑하는 계층화 그룹핑부; 및
상기 계층화 그룹핑된 연속형 변수와 종속변수간의 상관관계를 분석하는 상관관계 분석부
를 포함하는 연속형 변수의 계층화 그룹핑을 이용한 상관관계 분석 장치.
제5항에 있어서,
상기 계층화 그룹핑부는,
각 서브그룹을 해당 연속형 변수 분포의 대표값에 기초하여 상위 연속형 변수와 하위 연속형 변수로 각각 구분하며, 각 서브그룹의 상위 연속형 변수들에 의해 상위 그룹을 생성하고, 각 서브그룹의 하위 연속형 변수들에 의해 하위 그룹을 생성하는 것을 특징으로 하는 연속형 변수의 계층화 그룹핑을 이용한 상관관계 분석 장치.