핵심 개념
소셜 미디어를 통해 유방암 환자의 치료 경험을 이해하는 자연어 처리 기법의 유효성을 강조합니다.
초록
유방암 치료에 대한 소셜 미디어 데이터를 자연어 처리를 통해 분석하는 연구 소개
유방암 환자의 치료 경험, 약물 사용 패턴, 부작용에 대한 분석 결과 제시
NLP 및 머신러닝 기법을 활용하여 유방암 환자의 자가 보고 게시물 식별 및 치료 관련 부작용 발견
1,454,637개의 게시물 중 62,042개가 유방암 환자로 식별되었으며, 타모시펜이 가장 흔한 약물로 언급됨
부작용 렉시콘을 통해 호르몬 및 화학 요법의 잘 알려진 부작용 식별
감정적 고통을 나타내는 주관적 표현도 발견되어 부작용의 사전 임상 단계나 정서적 고통을 시사할 수 있음
통계
1,454,637개의 게시물 중 62,042개가 유방암 환자로 식별되었음
198명의 환자가 타모시펜을 언급함
인용구
"소셜 미디어 데이터를 통해 유방암 환자의 치료 경험, 약물 사용 패턴, 부작용을 분석하는 방법을 제시합니다."
"부작용 렉시콘을 통해 호르몬 및 화학 요법의 잘 알려진 부작용을 식별했습니다."