기본정보
- 교과목개요국민건강보험 빅데이터는 전 국민의 진료·검진·투약 정보를 수십 년에 걸쳐 축적한 보건의료 근거 창출의 핵심 자원이다. 본 교과목은 인공지능(AI) 전공의 이론 중심 수업이나 기존의 기초 통계 패키지 실습 과목과 차별화하여, 국민건강보험 청구데이터 특화 연구설계부터 데이터 전처리, 고급 통계 및 머신러닝 분석, 최종 시각화에 이르는 전 과정을 독립적으로 수행하는 근거 기반 보건의료 데이터 분석 실무 과정이다.
본 교과목은 국민건강보험공단 교육용 표본DB와 오픈소스 분석 도구인 R(RStudio) 환경을 기반으로 운영되며, 전통적인 생존분석 뿐 아니라 보건의료 R&D 현장에서 요구하는 머신러닝 예측 모델링 분석 기법을 체계적으로 다룬다. 특히, Claude 등의 생성형 AI(Generative AI)를 데이터 핸들링 및 코드 디버깅 도구로 적극 활용하는 프롬프트 엔지니어링 기술을 접목하여 분석 효율성을 고도화한다. 또한, 공공 빅데이터 활용의 필수 소양인 데이터 비식별화 개념 등 연구윤리 교육을 포함하며, 수강생이 직접 보건의료 논문을 탐색하고 주도적으로 분석 프로세스를 설계하도록 구성되어 보건의료 데이터 분석가, 공공기관 및 제약·바이오 연구원 등 실무형 인재가 갖춰야 할 디지털 융합 문제해결 역량을 강화하는 것을 목적으로 한다. - 학습목표1. [연구 설계 및 윤리 역량] 국민건강보험 빅데이터의 보안 관리 체계를 이해하고, 데이터 비식별화(Anonymization) 개념 등 보건의료 데이터 연구 윤리를 설명할 수 있으며, 공단 청구데이터 특성을 고려한 Real World Evidence(RWE) 관점의 코호트 연구를 독립적으로 설계할 수 있다.
2. [데이터 핸들링 및 AI 협업 역량] 오픈소스 분석 도구인 R(RStudio)의 필수 패키지를 활용하여 대규모 가상 데모 데이터의 추출, 변수 생성, 날짜형 데이터 처리 및 동반질환 지수(CCI) 산출 등 복잡한 전처리 과정을 수행할 수 있으며, 생성형 AI(Claude 등)를 활용한 프롬프트 엔지니어링을 통해 코드 생성 및 디버깅 오류를 효율적으로 해결할 수 있다.
3. [고급 통계 및 최신 머신러닝 분석 역량] 보건의료 연구 현장에서 필수적인 Kaplan-Meier 생존분석, Cox 비례위험모형 등의 전통적 통계 기법을 R로 구현할 수 있을 뿐만 아니라, 의사결정나무 및 랜덤 포레스트 등 최신 머신러닝(Machine Learning) 기법을 접목하여 질병 및 건강 결과 예측 모델을 구축할 수 있다.
4. [학술적 시각화 및 성과 도출 역량] 분석된 데이터 결과를 바탕으로 보건의료 학술 논문 규격에 부합하는 표(Table)와 시각화 그래픽(Forest plot, 생존곡선 등)을 작성할 수 있으며, 스스로 설정한 연구 주제의 전 과정을 주도적으로 수행하여 보건의료 데이터 분석가 및 R&D 인력으로서 근거 기반의 정책적·학술적 함의를 도출하고 발표할 수 있다. - 주요주제보건의료, 국민건강보험 빅데이터, 생성형 AI, R 분석, 머신러닝
- 선수과목R 분석 기초/심화
- 준비사항
- 장애학생 수업안내본 강의를 수강하는 장애 학생들에게는 장애 학생 개개인의 특성과 요구에 따라 수업 담당 교강사와의 상담을 통하여 적절한 수준의 지원 서비스(시험시간 연장 및 시험방법 조정 등)를 제공할 수 있습니다.
핵심역량
- 인간사회 공감력
- 생명과 환경을 존중하며, 지역사회와 인류에 공헌하려는 덕성
- 10%
- 상호소통능력
- 다양한 이해관계자, 타 학문분야와의 소통을 토대로 바이오헬스 분야의 조화로운발전에 기여하는 능력
- 10%
- 디지털 융합력
- 다양한 관점·생각, 빠르게 변하는 기술·트렌드에 민첩하고 유연하게 대응하는 능력
- 30%
- 창조적 문제 해결력
- 바이오헬스 분야에 대한 학술·실무적 이해를 토대로 발휘하는 창의적인 응용력
- 40%
- 자기점검능력
- 지속가능한 윤리적 전문가가 되기 위하여 배우고 성찰하는 주도적 태도
- 10%
주제별 수업내용
- 1주제오리엔테이션
-
· 교과목 소개 및 학습 목표 안내
· 수업 운영 방식 및 평가 기준 설명
· 국민건강보험 빅데이터 활용 연구 윤리
· 수강생 사전 역량 파악
- 2주제국민건강보험 제도와 빅데이터 개요
- 3주제보건의료 연구 설계
- 4주제테이블별 변수 이해
- 5주제R 프로그래밍 기초
- 6주제데이터 전처리 기초
- 7주제중간고사 - 연구 주제 발표
- 8주제데이터 전처리 심화
- 9주제연구 대상자 정의
- 10주제추적 자료 및 동반질환 구축
- 11주제생존분석
- 12주제머신러닝 기초
- 13주제머신러닝 심화
- 14주제보고서 작성
- 15주제기말고사 - 연구 결과 발표
