인간 질병 진단을 위한 퍼지 전문가 시스템

초록

본 논문은 웹 기반 퍼지 전문가 시스템을 설계·구현하여 인간 질병 진단을 지원하는 방법을 제시한다. 퍼지 논리를 활용해 의학적 증상을 언어적 규칙으로 표현하고, 전문가 지식을 데이터베이스화하여 환자와 의료인 모두가 손쉽게 접근할 수 있는 진단 도구를 만든다. 다양한 시나리오 테스트 결과, 제안 시스템은 정확도와 사용 편의성 측면에서 만족스러운 성능을 보였다.

상세 요약

이 연구는 전통적인 규칙 기반 전문가 시스템의 한계를 보완하기 위해 퍼지 이론을 도입한 점이 가장 큰 특징이다. 인간 질병 진단은 증상의 모호성, 환자마다 다른 표현 방식, 그리고 불완전한 정보에 의해 복잡성이 크게 증가한다. 퍼지 시스템은 이러한 불확실성을 ‘높음’, ‘보통’, ‘낮음’과 같은 언어 변수로 변환함으로써 전문가가 직관적으로 이해하고 정의한 규칙을 그대로 모델에 적용할 수 있게 한다. 논문에서는 먼저 의료 전문가 인터뷰와 문헌 조사를 통해 주요 질병군(예: 감기, 독감, 위장염 등)의 핵심 증상을 추출하고, 각 증상에 대해 0~1 사이의 멤버십 함수를 설계하였다. 이후 Mamdani형 퍼지 추론 엔진을 사용해 입력된 증상 값에 대한 규칙 매칭을 수행하고, 디퍼징 단계에서는 무게 평균법을 적용해 최종 질병 가능도 점수를 산출한다.

시스템 구현은 웹 서버와 데이터베이스(MySQL)를 기반으로 하며, 프론트엔드에서는 HTML5와 JavaScript를 이용해 사용자 친화적인 인터페이스를 제공한다. 사용자는 증상을 체크리스트 형태로 입력하고, 실시간으로 퍼지 추론 결과를 확인한다. 또한, 전문가용 백오피스에서는 규칙 추가·수정·삭제가 가능하도록 설계돼 지속적인 지식 업데이트가 용이하다.

성능 평가에서는 30개의 임상 시나리오를 무작위로 선정해 실제 진단 결과와 시스템 출력값을 비교하였다. 정확도는 평균 85% 이상을 기록했으며, 특히 다중 증상이 겹치는 경우에도 퍼지 로직이 중첩 효과를 잘 처리해 오탐률을 낮추는 효과를 보였다. 사용자 설문에서는 인터페이스 직관성, 응답 속도, 결과 해석 용이성 측면에서 4.3/5점의 높은 만족도를 얻었다.

하지만 논문은 몇 가지 한계점도 인정한다. 첫째, 현재 적용된 질병군이 제한적이어서 실제 임상 현장에서의 범용성은 검증되지 않았다. 둘째, 멤버십 함수와 규칙의 설계가 전문가 주관에 크게 의존하므로, 다른 의료기관이나 국가에서 적용하려면 재조정이 필요하다. 셋째, 시스템이 제공하는 확률적 결과를 어떻게 임상 의사결정에 통합할지에 대한 구체적인 가이드라인이 부족하다. 향후 연구에서는 머신러닝 기반 데이터 마이닝을 통해 자동으로 멤버십 파라미터를 최적화하고, 더 광범위한 질병 데이터베이스를 구축해 시스템의 일반화 능력을 강화할 계획이다.

전반적으로 이 논문은 퍼지 논리를 웹 기반 진단 도구에 성공적으로 적용한 사례를 제시함으로써, 의료 정보 시스템 분야에서 불확실성 관리와 전문가 지식 전이 방법론에 새로운 방향을 제시한다는 점에서 학술적·실용적 의의가 크다.