설명
· 예측모형이 세워지면 미래의 환자들의 위험도를 계산해서 그들을 적절한 치료방법을 선택하는데 사용할 수 있다. 이렇게 환자의 위험도에 따라 적절한 치료방법을 선택하는 과정이 실제 환자치료에 사용되기 위해서는 임상시험을 통해서 예측모형을 사용하지 않은 전통적인 치료방법보다 좋은 치료효과(efficacy)과 안전성(safety)이 우수하다는 것을 증명해야 한다. 11강에서는 예측모형을 사용한 치료방법에 관한 임상시험의 예를 학습한다.
강사소개
강의자 : 정신호
· 서울대학교 졸업
· 서울대학교 석사
· University of Wisconsin-Madison. Ph.D.
· Mayo Medical/Graduate School. Assistant Professor
· 한림대학교 조교수
· University of Wisconsin-Madison Visiting Assistant Professor
· Indiana University (IU) School of Medicine Associate Professor
· IU School of Public Health Adjunct Faculty
· Duke University Associate Professor
· 성균관대학교 교수
· IU Cancer Center Biostatistics Core Director
· American College of Surgeons Oncology Group Acting Group Statistician
과목소개
· 건강빅데이터 시대의 후기 유전체 시대를 주도할 학문으로서 바이오정보학의 현황과 구체적인 유전체 연구 방법론을 소개한다.
· 유의한 유전체 탐색을 위한 통계적 방법으로 군집분석과 분류모형, 연과성을 기초로한 Penalized logit model, SNS 분석방법인 Network Analysis를 유전체 자료에 적용한다.
· 유의한 Biomarker를 찾는 FWER과 FDR 방법을 소개하고 유전자료를 이용한 예측과 예측모형의 평가 및 이를 이용한 치료 이해, 태아의 선천성기형이나 암을 조기진단하는 방법과 유전체 자료의 시각화 방법인 Matrix Visualization의 방법을 설명한다.