Medical Big Data Is Not Yet Available - Why We Need Realism Rather Than Exaggeration

김헌성; 김대진; 윤건호

추천

검색

자료유형: 학술저널

저자정보: 김헌성 (가톨릭대학교) 김대진 (가톨릭대학교) 윤건호 (가톨릭대학교)

저널정보: 대한내분비학회 Endocrinology and Metabolism Endocrinology and Metabolism Vol.34 No.4

발행연도: 2019.1

수록면: 349 - 354 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Most people are now familiar with the concepts of big data, deep learning, machine learning, and artificial intelligence (AI) and havea vague expectation that AI using medical big data can be used to improve the quality of medical care. However, the expectation thatbig data could change the field of medicine is inconsistent with the current reality. The clinical meaningfulness of the results of research using medical big data needs to be examined. Medical staff needs to be clear about the purpose of AI that utilizes medical bigdata and to focus on the quality of this data, rather than the quantity. Further, medical professionals should understand the necessaryprecautions for using medical big data, as well as its advantages. No doubt that someday, medical big data will play an essential rolein healthcare; however, at present, it seems too early to actively use it in clinical practice. The field continues to work toward developing medical big data and making it appropriate for healthcare. Researchers should continue to engage in empirical research to ensure that appropriate processes are in place to empirically evaluate the results of its use in healthcare.

#Artificial intelligence #Big data #Data science #Medical informatics #Deep learning #Machine learning

참고문헌 (35)

참고문헌 신청

Hamet P / 2017 / Artificial intelligence in medicine / Metabolism 69S:S36~S40

Miller DD / 2018 / artificial intelligence in medical practice: the question to the answer? / Am J Med 131:129~133

Kantarjian H / 2015 / Artificial intelligence, big data, and cancer / JAMA Oncol 1:573~574

김헌성 / 2019 / Proceed with Caution When Using Real World Data and Real World Evidence / Journal of Korean Medical Science 34(4):1~5

김헌성 / 2018 / Real-world Evidence versus Randomized Controlled Trial: Clinical Research Based on Electronic Medical Records / Journal of Korean Medical Science 33(34):1~7

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김헌성

소속기관 가톨릭대학교

주요연구분야 의약학 > 임상의학 > 내과학

논문수 12 이용수 9

김대진

소속기관 가톨릭대학교

주요연구분야 의약학 > 임상의학 > 내과학

논문수 1 이용수 1

윤건호

소속기관 가톨릭대학교

주요연구분야 의약학 > 임상의학 > 내과학

논문수 22 이용수 24

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (35)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)