<b>1장. 헬스케어 애널리틱스 개론 </b><br/><br/>__헬스케어 애널리틱스란? <br/>____헬스케어는 고급 컴퓨팅 기술을 사용한다 <br/>____헬스케어 애널리틱스는 헬스케어 산업을 다룬다(너무나 당연하게도!) <br/>____헬스케어 애널리틱스는 의료의 질을 개선한다 <br/>______건강 결과에 대한 개선 <br/>______비용 절감 <br/>______의료의 질 보장 <br/>__헬스케어 애널리틱스의 기초 <br/>____헬스케어 <br/>____수학 <br/>____컴퓨터 과학 <br/>__헬스케어 애널리틱스의 역사 <br/>__헬스케어 애널리틱스의 응용 사례 <br/>____환자 케어를 위한 데이터 시각화 <br/>____진단과 치료에 대한 예측 <br/>____헬스케어 제공자의 질과 실적에 대한 측정 <br/>____실제 환자 치료에 응용 <br/>__소프트웨어 둘러보기 <br/>____아나콘다 <br/>______아나콘다 내비게이터 <br/>______주피터 노트북 <br/>______스파이더 통합 개발 환경 <br/>____SQLite <br/>____커맨드라인 툴 <br/>____텍스트 에디터 설치 <br/>__요약 <br/>__참고 자료 <br/><br/><b>2장. 헬스케어의 기초</b><br/><br/>__미국에서 헬스케어 서비스가 전달되는 방법 <br/>____헬스케어 산업의 기초 <br/>____보건 재정 <br/>______행위별 수가제 <br/>______가치 기반 케어 <br/>____헬스케어 정책 <br/>______환자 권리와 프라이버시 보호 <br/>______전자 의무 기록 채용 정도 <br/>______가치 기반 케어를 발전시키려는 노력 <br/>______헬스케어 애널리틱스의 진보 <br/>__환자 데이터: 환자에서 컴퓨터까지의 여정 <br/>____초진 기록지 <br/>______메타데이터와 주소 <br/>______현병력 <br/>______과거력 <br/>______약물력 <br/>______가족력 <br/>______사회력 <br/>______알러지 <br/>______계통 문진(시스템 리뷰) <br/>______신체검사 <br/>______객관적 데이터(검사실 검사, 이미징, 기타 검사) <br/>______평가와 계획 <br/>____경과 기록지 <br/>__표준화된 임상 코드셋 <br/>____ICD <br/>____CPT <br/>____LOINC <br/>____NDC <br/>____SNOMED-CT <br/>__헬스케어 애널리틱스 쪼개 보기 <br/>____인구 집단 <br/>____의학적 과제 <br/>______질병 선별 <br/>______진단 <br/>______질병 결과와 예후 <br/>______치료에 대한 반응 <br/>____데이터 포맷 <br/>______정형 데이터 <br/>______비정형 데이터 <br/>______영상 기록 <br/>______기타 데이터 포맷 <br/>____질병 <br/>______급성 대 만성 질환 <br/>______암 <br/>______다른 질환들 <br/>____종합해보기 - 머신러닝의 목적을 명시적으로 표현하기 <br/>__요약 <br/>__참고 자료와 더 읽을거리 <br/><br/><b>3장. 머신러닝의 기초</b><br/><br/>__의학적 의사 결정을 위한 모델 프레임워크 <br/>____나무와 비슷한 추론 <br/>______알고리즘과 나무를 사용한 카테고리 분류 추론 <br/>______대응하는 머신러닝 알고리즘 - 의사 결정 나무와 랜덤 프레스트 <br/>____확률적 추론과 베이즈 정리 <br/>______베이즈 정리를 사용해 임상적 확률 계산하기 <br/>______대응하는 머신러닝 알고리즘 - 나이브 베이즈 분류자 <br/>____기준표와 가중 합계 접근법 <br/>______기준표 <br/>______대응하는 머신러닝 알고리즘 - 선형 회귀와 로지스틱 회귀 <br/>____패턴 연관과 신경망 <br/>______복잡한 임상적 추론 <br/>______해당되는 머신러닝 알고리즘 - 신경망과 딥러닝 <br/>__머신러닝 파이프라인 <br/>____데이터 로딩 <br/>____데이터 정제와 사전 프로세싱 <br/>______데이터 집계 <br/>______데이터 파싱 <br/>______데이터 타입 변환 <br/>______결측값 다루기 <br/>____데이터 탐색과 시각화 <br/>____특징 선택 <br/>____모델 파라미터 훈련 <br/>____모델 성능 평가 <br/>______민감도 <br/>______특이도 <br/>______양성 예측도 <br/>______음성 예측도 <br/>______거짓 양성률 <br/>______정확도 <br/>______ROC 커브 <br/>______정밀도-회상 커브 <br/>______연속 타깃 변수 <br/>__정리 <br/>__참고 자료와 더 읽을거리 <br/><br/><b>4장. 컴퓨팅의 기초, 데이터베이스</b><br/><br/>__데이터베이스의 개요 <br/>__SQL을 사용한 데이터 엔지니어링의 사례 <br/>__이용 사례에 대한 설명 - 심장 전문 병원을 위한 사망률 예측 <br/>____병원 데이터베이스 <br/>______PATIENT 테이블 <br/>______VISIT 테이블 <br/>______MEDICATIONS 테이블 <br/>______LABS 테이블 <br/>______VITALS 테이블 <br/>______MORT 테이블 <br/>__SQLite 세션 시작 <br/>__데이터 엔지니어링, SQL을 사용해 한 번에 하나의 테이블 다루기 <br/>____쿼리 셋 #0: 여섯 개의 테이블 생성 <br/>______쿼리 셋 #0a: PATIENT 테이블 만들기 <br/>______쿼리 셋 #0b: VISIT 테이블 만들기 <br/>______쿼리 셋 #0c: MEDICATIONS 테이블 만들기 <br/>______쿼리 셋 #0d: LABS 테이블 만들기 <br/>______쿼리 셋 #0e: VITALS 테이블 만들기 <br/>______쿼리 셋 #0f: MORT 테이블 만들기 <br/>______쿼리 셋 #0g: 테이블 보기 <br/>____쿼리 셋 #1: MORT_FINAL 테이블 만들기 <br/>____쿼리 셋 #2: MORT_FINAL 테이블에 열 추가하기 <br/>______쿼리 셋 #2a: ALTER TABLE을 사용해 열 추가하기 <br/>______쿼리 셋 #2b: JOIN을 사용해 열 추가 <br/>____쿼리 셋 #3: 데이터 조작 - 나이 계산 <br/>____쿼리 셋 #4: 진단명에 대한 비닝과 집계 <br/>______쿼리 셋 #4a: 울혈성심부전 진단에 대한 비닝 <br/>______쿼리 셋 #4b: 다른 진단명에 대한 비닝 <br/>______쿼리 셋 #4c: 합을 이용해 심장병을 하나로 모으기 <br/>______쿼리 셋 #4d: 카운트를 사용한 심장 진단의 집계 <br/>____쿼리 셋 #5 - 약물 개수 구하기 <br/>____쿼리 셋 #6: 비정상 혈액 검사 결과 비닝 <br/>____쿼리 셋 #7: 결측값 대치 <br/>______쿼리 셋 #7a: 체온 결측값을 정상 범위로 대치하기 <br/>______쿼리 셋 #7b: 체온 결측값을 평균값으로 대치하기 <br/>______쿼리 셋 #7c: 결측 BNP 값을 균일 분포를 갖는 값으로 대치하기 <br/>____쿼리 셋 #8: 타깃 변수 추가하기 <br/>____쿼리 셋 #9: 최종 MORT_FINAL_2 테이블 보기 <br/>__요약 <br/>__참고 자료와 더 읽을거리 <br/><br/><b>5장. 컴퓨팅의 기초, 파이썬 언어</b><br/><br/>__변수와 데이터 타입 <br/>____문자열 <br/>____숫자형 데이터 타입 <br/>__데이터 구조와 데이터 저장소 <br/>____리스트 <br/>____튜플 <br/>____딕셔너리 <br/>____셋 <br/>__파이썬 언어를 사용한 프로그래밍 - 예시 <br/>__판다스 소개 <br/>____판다스 데이터프레임 <br/>____데이터 불러오기 <br/>______파이썬 데이터 구조에서 판다스로 데이터 불러오기 <br/>______플랫 파일에서 판다스로 데이터 불러오기 <br/>______데이터베이스에서 판다스로 데이터 불러오기 <br/>____흔히 사용되는 데이터프레임 연산 <br/>______열 추가 <br/>______열 제거 <br/>______함수를 여러 개의 열에 적용 <br/>______데이터프레임 결합시키기 <br/>______데이터프레임 열들을 리스트로 변환하기 <br/>______데이터프레임의 값을 지정하거나 접근하기 <br/>______행 필터링과 정렬 <br/>______SQL 유사 연산 <br/>__사이킷런 소개 <br/>____샘플 데이터 <br/>____데이터 전처리 <br/>______카테고리형 변수에 대한 원핫 인코딩 <br/>______스케일링과 센터링 <br/>______이진화 <br/>______결측값 대체 <br/>____특징 선택 <br/>____머신러닝 알고리즘 <br/>______일반화 선형 모델 <br/>______앙상블 방법 <br/>______추가 머신러닝 알고리즘 <br/>____성능 측정 <br/>__추가 애널리틱스 라이브러리 <br/>____넘파이와 사이파이 <br/>____맷플롯립 <br/>__요약 <br/><br/><b>6장. 헬스케어 질 측정</b><br/><br/>__헬스케어 평가법에 대한 소개 <br/>__미국 메디케어의 가치 기반 프로그램 <br/>__병원 성과 기반 수가지급(HVBP) 프로그램 <br/>____도메인과 평가지표 <br/>______임상 케어 도메인 <br/>______환자 및 보호자 케어 경험 도메인 <br/>______안전 도메인 <br/>______효율성과 비용 절감 도메인 <br/>__병원 재입원 경감 프로그램(HRR) <br/>__원내 발생 합병증 경감(HAC) 프로그램 <br/>____원내 감염 도메인 <br/>____환자 안전 도메인(PSI) <br/>__말기 신질환 환자 질 인센티브 프로그램 <br/>__전문 요양 시설 가치 기반 프로그램 <br/>__가정 건강 가치 기반 프로그램 <br/>__MIPS <br/>____질 <br/>____더 나은 케어 정보 <br/>____개선 활동 <br/>____비용 <br/>__기타 가치 기반 프로그램 <br/>____HEDIS <br/>____주 정부 평가지표 <br/>__파이썬을 사용해 투석 기관 비교하기 <br/>____데이터 다운로드 <br/>____주피터 노트북 세션으로 데이터 불러오기 <br/>____데이터 행과 열 탐색 <br/>____지리적인 탐색 <br/>____총점에 기반해 투석 기관 살펴보기 <br/>____투석 기관에 대한 다른 내용 분석 <br/>__파이썬을 사용한 병원 비교 <br/>____데이터 다운로드 <br/>____주피터 노트북 세션으로 데이터 읽기 <br/>____테이블 탐색 <br/>____HVBP 테이블 머징 <br/>__요약 <br/>__참고 자료 <br/><br/><b>7장. 헬스케어 예측 모델 만들기 </b><br/><br/>__헬스케어 분야에서 예측적 애널리틱스에 대한 소개 <br/>__모델링 과제 - 응급실 내원 환자의 퇴원 형태 예측 <br/>__데이터셋 얻기 <br/>____NHAMCS 데이터셋이란? <br/>____NHAMCS 데이터 다운로드 <br/>______ED2013 파일 다운로드 <br/>______body_namcsopd.pdf라는 설문 항목 리스트에 대한 설명서 다운로드<br/>______데이터 관련 문서 doc13_ed.pdf 다운로드<br/>__주피터 노트북 세션 시작하기 <br/>__데이터셋 임포트 <br/>____메타데이터 로딩 <br/>____ED2013 데이터 로딩 <br/>__반응 변수 만들기 <br/>__훈련셋과 테스트셋으로 데이터 나누기 <br/>__예측 변수에 대한 전처리 <br/>____방문 정보 <br/>____인구학적 정보 <br/>____응급실 중증도 분류에 대한 변수들 <br/>____재정적인 변수 <br/>____활력 징후 <br/>____방문 이유에 대한 코드 <br/>____손상에 대한 코드 <br/>____진단 코드 <br/>____약물 과거력 <br/>____검사 결과 <br/>____시술 <br/>____약물 코드 <br/>____의료 서비스 제공자 정보 <br/>____퇴실 배치 정보 <br/>____대치된 열들 <br/>____아이디 역할을 하는 변수들 <br/>____전자 의무 기록 상태에 대한 열들 <br/>____자세한 약물 정보 <br/>____기타 정보 <br/>__마지막 전처리 작업 <br/>____원핫 인코딩 <br/>____숫자형 변환 <br/>____넘파이 배열 변환 <br/>__모델 만들기 <br/>____로지스틱 회귀 <br/>____랜덤 포레스트 <br/>____신경망 <br/>__모델을 사용한 예측 <br/>__모델의 개선 <br/>__요약 <br/>__참고 자료와 더 읽을거리 <br/><br/><b>8장. 헬스케어 예측 모델 리뷰</b><br/><br/>__예측 헬스케어 애널리틱스 최신 지견 <br/>__전체 심혈관 질환 위험도 <br/>____프레이밍햄 위험도 <br/>____심혈관 질환 위험도와 머신러닝 <br/>__울혈성심부전 <br/>____울혈성심부전의 진단 <br/>____머신러닝으로 울혈성 심부전 진단 <br/>____울혈성심부전에서 머신러닝의 다른 응용 사례들 <br/>__암 <br/>____암이란? <br/>____암에 대한 머신러닝 응용 <br/>____암의 중요한 특징 <br/>______일반적인 임상 데이터 <br/>______암 특이 임상 데이터 <br/>______영상 데이터 <br/>______유전체 데이터 <br/>______프로테옴 데이터 <br/>____유방암 예측 사례 <br/>______전통적 유방암 선별 <br/>______유방암 선별과 머신러닝 <br/>__재입원 예측 <br/>____LACE 위험도와 HOSPITAL 위험도 <br/>____재입원 모델링 <br/>__기타 질환들 <br/>__요약 <br/>__참고 자료와 더 읽을거리 <br/><br/><B>9장. 미래 - 헬스케어와 떠오르는 기술들</b><br/><br/>__헬스케어 애널리틱스와 인터넷 <br/>____헬스케어와 사물 인터넷 <br/>____헬스케어 애널리틱스와 소셜 미디어 <br/>______독감 감시와 예측 <br/>______머신러닝을 사용한 자살 예측 <br/>__헬스케어와 딥러닝 <br/>____딥러닝에 대한 간단한 소개 <br/>____헬스케어에서의 딥러닝 <br/>______딥 피드 포워드 네트워크 <br/>______이미지에 대한 컨볼루션 신경망 <br/>______순서를 가진 데이터에 대한 순환 신경망 <br/>__장애물, 윤리적 문제, 한계 <br/>____장애물 <br/>____윤리적 문제들 <br/>____한계점 <br/>__이 책을 마치며 <br/>__참고 자료와 더 읽을거리

- 헬스케어 인사이트, 재정, 입법

- 머신러닝과 헬스케어 프로세스간의 연관성

- SQL과 파이썬을 사용한 데이터 분석

- 헬스케어 질과 서비스 제공자의 수행 능력 측정

- 훌륭한 헬스케어 모델을 만드는 데 필요한 특징과 속성에 대한 파악

- 실제 헬스케어 데이터를 사용한 예측 모델

- 정형화된 임상 데이터를 사용한 예측 모델

- 헬스케어 애널리틱스의 미래

이 책의 대상 독자

파이썬이나 그와 비슷한 언어를 어느 정도 알고 있으면서 헬스케어 분야나 헬스케어 데이터를 사용한 예측 모델링에 관심이 있는 독자를 위한 책이다. 애널리틱스나 헬스케어에 관련한 컴퓨팅에 관심이 있다면 도움이 될 것이다. 또한 헬스케어에 사용될 수 있는 머신러닝을 공부하려는 학생들에게도 유용할 것이다.

이 책의 구성

1장. ‘헬스케어 애널리틱스 개론’에서는 헬스케어 애널리틱스에 대한 개론으로 그 정의와 몇 가지 기초 주제, 역사, 실제 사례를 소개하고, 이 책에서 사용될 소프트웨어를 다운로드해 설치하는 방법과 기본 사용법을 설명한다. 2장. ‘헬스케어의 기초’에서는 헬스케어의 기초를 알아본다. 미국에서 헬스케어가 어떻게 구조화되고 전달되는지 개략적으로 살펴본다. 그런 다음 헬스케어 애널리틱스에 관련된 법률들을 소개한다. 그리고 임상에서 사용되는 환자 데이터, 코딩 시스템을 설명하고 헬스케어 애널리틱스를 분류해본다. 3장. ‘머신러닝의 기초’에서는 머신러닝의 기초를 다룬다. 의학적 의사 결정에 사용되는 모델 프레임워크들과 머신러닝 파이프라인을 설명하고, 모델 평가를 위한 데이터 임포트(data import)를 다룬다.

4장. ‘컴퓨팅의 기초, 데이터베이스’에서는 컴퓨팅의 기초로 데이터베이스에 대한 개론을 설명한다. SQL 언어를 소개하고 헬스케어 예측적 애널리틱스를 실행할 때 SQL을 사용한 예를 소개한다. 5장. ‘컴퓨팅의 기초, 파이썬 언어’에서는 컴퓨팅의 기초로 파이썬 언어를 설명한다. 파이썬 언어를 개략적으로 살펴보고, 애널리틱스를 수행할 때 중요한 라이브러리들을 소개한다. 파이썬에서의 변수 타입, 데이터 구조, 함수, 모듈을 설명하고 판다스 패키지, 사이킷런의 기초적인 사용법을 다룬다. 6장. ‘헬스케어 질 측정’에서는 헬스케어 질 측정을 설명한다. 헬스케어 수행 평가에 사용되는 지표들과 미국에서 사용되는 가치 기반 접근법의 개요를 소개한다. 그리고 파이썬 언어로 서비스 제공자에 기초한 데이터를 다운로드하고 분석하는 예를 보여줄 것이다.

7장. ‘헬스케어 예측 모델 만들기’에서는 헬스케어에서의 예측 모델 만들기를 설명한다. 공개된 임상 데이터셋에 포함돼 있는 정보를 소개하고 다운로드 방법을 기술한다. 그런 다음 파이썬, 판다스, 사이킷런을 사용해 예측 모델을 만드는 방법을 살펴본다. 8장. ‘헬스케어 예측 모델 리뷰’에서는 헬스케어 예측 모델을 설명한다. 일부 선택된 질환들을 대상으로 한 헬스케어 예측적 애널리틱스 분야에서 현재 진행되고 있는 부분을 리뷰하고, 전통적인 방식을 사용한 방법들과 머신러닝 결과들을 비교해본다. 9장. ‘미래 - 헬스케어와 떠오르는 기술들’에서는 인터넷 사용을 통해 헬스케어 애널리틱스 분야에서 이뤄지고 있는 몇 가지 발전을 설명한다. 그리고 딥러닝 기술을 헬스케어 애널리틱스에 사용하는 것과 헬스케어 애널리틱스 분야의 도전적인 문제 및 한계점을 언급한다.

지은이의 말

파이썬 패키지를 통한 데이터 분석이 어떻게 이뤄지는지를 설명하는 것이 이 책의 목적이다. 전자 의무 기록(Electronic Health Record)에서 데이터를 임포트하고, 정제해 필요한 형태로 만드는 방법을 소개한다. 그리고 실제 세계의 사례를 통해 예측 모델을 만드는 방법도 살펴본다.

옮긴이의 말

머신러닝 알고리즘과 머신러닝의 미래를 잘 설명한 명저 『마스터 알고리즘』(비즈니스북스, 2016년)에서 저자는 다음과 같이 말한다. “내가 하는 일에서 머신러닝이 할 수 있는 것은 무엇이고, 할 수 없는 것은 무엇이며, 내가 일을 더 잘하기 위해 어떻게 머신러닝을 이용할 수 있을지를 이해해야 한다.” 이 말을 한 컴퓨터 과학자는 이 ‘일’의 분야를 특정하지 않았다. 이 책은 그 일들 중 의료 분야를 다룬다. 이번 팬데믹을 통해 이제는 일반인들도 의료라는 자원이 한정된 것임을 알게 됐다. 서비스를 제공할 수 있는 자원도, 그에 대해 지불할 수 있는 자원도 한정돼 있다. 이렇게 한정된 자원으로 우리 사회의 건강이라는 목표를 달성해야 한다. 비록 이런 문제는 경제학에서 핵심으로 다루는 삶의 어디서나 나타나는 아주 일반적인 것이다. 의료는 단순한 시장의 원리 또는 단순한 구호나 약속으로 그 목적이 달성되기 어려운 분야다.

이 책의 저자는 헬스케어의 3대 목표인 (1)건강 결과에 대한 개선, (2)비용 절감, (3)의료의 질 보장을 달성하는 데 머신러닝이 기여할 수 있는 것을 파이썬 코드를 이용한 간단한 사례를 통해 보여준다. 어떤 장의 내용은 미국 의료제도에 다소 치우친 감이 있지만, 전반적으로 헬스케어 머신러닝이 무엇인지를 맛볼 수 있는 기회를 제공한다. 의료 분야 종사자들에게는 머신러닝을 통해 일의 수준을 향상시킬 수 있는 방법을 알려주고, 컴퓨터나 다른 분야 종사자들에게는 의료 현장에서 생기는 문제들이 어떤 것이며 의사들은 어떤 방식으로 사고하는지 엿볼 수 있는 기회를 제공할 것이다. 또한 의사들에게는 자신도 모르게 베이즈 추론 방법을 이미 습관처럼 사용하고 있었다는 사실을 깨닫게 해준다.

저자도 이야기하지만 헬스케어 애널리틱스가 헬스케어, 수학, 컴퓨터 과학이 융합된 분야인 터라, 이 작은 책에 그 내용을 모두 담아내기란 불가능하다. 특정한 기술적 관점에서 보면 이 책의 내용은 주제들을 피상적으로 다루는 것 같은 느낌을 줄 수도 있지만 SQL, 파이썬, 판다스(pandas), 넘파이(NumPy), 사이킷런(scikit-learn) 등을 다루면서 깊이 들어갈 때는 어떤 것을 공부해야 하고 왜 그런 것들이 필요한지 충분히 파악할 수 있을 것이다. 그리고 7장을 보면 머신러닝(데이터 과학)이 어떤 식의 작업을 하는지 알게 되는데, ‘데이터 전처리에 80%, 모델링에 20%를 쓴다.’는 말을 실감할 수 있을 것이다. 의료 인공지능에 대한 관심이 매우 높아진 상태에서 그 관심을 구체적으로 실현하는 방법을 제시하는 데 이 책이 유용할 것이다. 머신러닝, 인공지능 알고리즘이 의료에 참여하는 모든 이에게 유익할 수 있길 기원한다.

이제 애널리틱스(analytics)는 헬스케어(healthcare)의 핵심 요소로 자리매김했다. 헬스케어 애널리틱스는 치료를 최적화하고 결과를 개선하고 케어(care)의 비용을 줄이는 데 도움이 된다. 생의학적 데이터, 헬스케어, 운영 등에 대한 빅데이터가 준비돼 병원과 헬스케어 관련 기관은 과거 데이터를 이용해 환자의 미래와 클리니컬 패스웨이(clinical pathway)를 예측할 수 있게 됐다. 또한 예측 모델링과 헬스케어 데이터 과학을 통해 헬스케어 서비스 전달의 여러 측면을 효율적으로 구성할 수 있게 케어 패스웨이(care pathway)와 운영 전략을 디자인하는 데에도 도움을 줄 수 있다.

이렇게 헬스케어 애널리틱스는 흥미로운 분야이지만, 이를 수행하려면 의학과 데이터 과학에 관한 지식 외에도 데이터베이스, 프로그래밍, 데이터 시각화, 통계, 머신러닝과 같은 기술이 필요하다. 헬스케어 영역과 애널리틱스의 도구 및 방법을 아주 깊이 설명한 여러 책이 있지만 이런 것들을 하나로 통합해 쉽게 읽을 수 있도록 한 책은 많지 않다. 비카스 쿠마르 박사가 쓴 새롭고 흥미로운 이 책은 헬스케어, 컴퓨터 과학, 수학, 머신러닝의 핵심적인 학습 포인트를 융합해 설명하고 있다. 의사이자 데이터 과학자인 저자는 복잡한 의료 데이터를 보는 방법을 설명하고, SQL과 파이썬 언어로 헬스케어 애널리틱스의 여러 응용 사례를 소개한다.

이 책이 헬스케어 데이터의 핵심 개념에 관심 있는 데이터 과학자의 서재에 꼭 있어야 할 책이 될 것이라고 확신한다. 임상 정보학이나 헬스케어 정보학 전문가들이 머신러닝 모델을 설계, 개발, 검증하기 위한 핵심 기술을 얻는 데도 꼭 필요한 책이라고 생각한다. 또한 헬스케어 애널리틱스가 어떤 것인지 이해하고 싶은 의사나 바이오 전공자들에게도 유용하다. 나는 이 책을 재미있게 읽었고 여러 사례도 흥미롭게 따라 해봤다. 결론적으로, 이 책은 완전하고 포괄적인 안내를 제공해 헬스케어 애널리틱스 분야의 빈 틈을 채워주고 있어 컴퓨터 과학자, 소프트웨어 엔지니어, 데이터 과학자, 헬스케어 전문가 모두가 쉽게 읽을 수 있는 다학제적인 책이 될 것이다.
- 샤미어 카더 (Shameer Khader) (박사, 헬스케어 데이터 과학 및 생물정보학 디렉터, 노스웰 헬스(뉴욕시))