2025 KHD (Konyang Health Datathon)

Idea | Medical Data | Analysis | Qualitative Evaluation

  • moneyIcon Prize : 18,000,000 KRW
  • 360 Users Completed

 

[LifeClock] 개인별 생존률 예측 및 위험 시점 시각화를 통한 대장암 수술 후 1년 진료지원 알고리즘

공동작성자

stroke
2025.06.27 05:39 609 Views language

본 프로젝트는 실제 임상 데이터를 기반으로 대장암 수술 환자의 1년 내 생존 여부를 예측하고, 환자별 사망 위험 시점을 시각화하는 것을 목표로 함.  

Random Forest, Cox Proportional Hazards, Random Survival Forest, Gradient Boosting Survival Model 등 총 4가지 생존 예측 모델을 적용하여,  
각 모델의 예측 성능을 비교하고, 시계열 기반의 누적 위험도 및 생존 곡선을 추정함.  

사망 여부(Event) 및 생존 시간(Time)을 기반으로 생존 객체(Survival Object)를 생성한 후,  
각 모델별 생존 확률 및 누적 위험 점수를 계산하였고, Kaplan-Meier 곡선을 통해 위험군별 생존 패턴을 시각화함.  

또한, 의료진이 환자 상태를 종합적으로 판단할 수 있도록 변수별 사망 위험비를 추정하였으며,  
모델 결과는 추후 REST API 형태로 전자의무기록(EMR) 시스템과 연동 가능한 구조로 설계함.

PDF
Previous
[그런지아닌지] QSVM을 활용한 간암 환자 예후 예측
Competition - 2025 KHD (Konyang Health Datathon)
Likes 22
Views 581
Comments 0
2달 전
Current
[LifeClock] 개인별 생존률 예측 및 위험 시점 시각화를 통한 대장암 수술 후 1년 진료지원 알고리즘
Competition - 2025 KHD (Konyang Health Datathon)
Likes 10
Views 609
Comments 0
2달 전
Next
2025 KHD ICnML팀 예선 제출물
Competition - 2025 KHD (Konyang Health Datathon)
Likes 14
Views 642
Comments 1
2달 전