사상의학 체질진단을 위한 통계적 분류방법들의 비교연구

A Comparison of Statistical Methods for Sasang Constitution Classification

사상체질진단에 있어서 현재까지 널리 이용되고 있는 방법 중의 하나는 설문지 분석법이며 설문지 분석법에서 통계의 공헌도는 판별분석의 수준에 지나지 않는다. 따라서 본 논문에서는 SM대학교 한의학과의 얼굴측정에 대한 자료와 SJ대학교 한의학과의 음성인식에 대한 자료를 이용하여 동의수세보원에서 동무 이제마선생의 사상체질진단 분류를 위한 8가지의 전통적인 통계분류방법과 7가지의 의사결정나무, 3가지의 인공신경망을 이용하여 모형을 구축하고 각 모형에서의 오분류율을 산출하여 사상체질진단에 있어서 정확도를 기하고자 하였다. 음성인식 자료에서 전문의의 진단과 비교된 QSCC(questionnaire for Sasang constitutional classification) 방법에 의한 진단 결과는 전체 오분류율이 16.67%이었고, 각 체질별 오분류율은 태음인, 소양인, 소음인에 대해서 각각 13.16%, 21.88%, 15.79%이었다. 새로이 적용된 전통적 통계분류방법과 의사결정나무, 인공신경망에서 모두 QSCC 방법보다 우수한 결과를 보임을 알 수 있었다. 음성인식 자료에 있어서 전통적 통계분류방법으로는 MDA 모형이, 인공신경망에서는 MLP(10개의 은닉마디) 모형이, 의사결정나무구조모형에서는 CART 모형이 가장 낮은 오분류율을 산출하였다. 또한 얼굴측정 자료에서는 전통적 통계분류방법 중에는 QDA(backward), FDA, MDA, PDA, Logistic(backward) 모형이, 인공신경망에서는 MLP(5개의 은닉마디) 모형이, 의사결정나무구조모형에서는 CART 모형이 가장 낮은 오분류율을 산출함을 알 수 있었다.

Sasang constitutional medicine explains the pathology peculiar to constitution and suggests treatment for each constitution. This Korean traditional medicine has been very popular and universal in Korea. However, an extensive comparative study on the statistical methods for Sasang constitutional classification has not been made. Hence, in this article we compared the performances of eight conventional statistical classification methods, seven decision tree methods, and three neural network algorithms for classifying Sasang constitution by using both sound characteristic data and face measurement data. We measured the classification accuracy by calculating misclassification error rate and used cross-validation, bootstrap and jackknife methods for adjusting underestimated misclassification error rate. This paper will provide the guideline for choosing the most appropriate statistical method for Sasang constitution classification under given situation.