타임스탬프 데이터로부터 고수준 이벤트 추론: 복잡성과 의료 응용

본 논문에서는 타임스탬프 데이터와 배경 지식을 활용하여 고수준의 시간적으로 확장된 이벤트를 탐지하는 새로운 로직 기반 접근 방식을 개발합니다. 저희 프레임워크는 논리 규칙(logical rules)을 사용하여 단순한 시간적 이벤트의 존재 및 종료 조건을 포착하고, 이를 메타-이벤트(meta-events)로 결합합니다. 예를 들어, 의료 분야에서는 환자 기록에 저장된 진단명이나 약물 투여와 같은 타임스탬프 임상 관찰(timestamped clinical observations)로부터 질병 에피소드(disease episodes) 및 치료법을 추론할 수 있으며, 이는 더 높은 수준의 질병 이벤트로 추가 결합될 수 있습니다. 일부 부정확한 이벤트가 추론될 수 있으므로, 저희는 제약 조건(constraints)을 사용하여 비호환적인 이벤트 조합을 식별하고, 선호되는 일관된 이벤트 세트를 선택하기 위한 복구 메커니즘(repair mechanism)을 제안합니다. 전체 프레임워크에서의 추론은 계산적으로 불가능(intractable)하지만, 다항 시간 데이터 복잡도(polynomial-time data complexity)를 보장하는 관련 제한 사항들을 식별했습니다. 저희 프로토타입 시스템은 답변 집합 프로그래밍(answer set programming)을 사용하여 접근 방식의 핵심 구성 요소를 구현합니다. 폐암 사용 사례에 대한 평가는 계산적 실현 가능성 측면과 의료 전문가 의견과의 결과의 긍정적인 일치도 측면 모두에서 이 접근 방식의 흥미를 뒷받침합니다. 비록 헬스케어 도메인의 필요성에 의해 강력하게 동기 부여되었지만, 저희 프레임워크는 의도적으로 일반적(generic)이어서 다른 영역에서도 재사용이 가능합니다.