전자파 인체 유해성 평가를 위한 논문 데이터베이스 구축

Ⅰ. 서 론

4차 산업혁명이 진행됨에 따라서 전자기기의 수가 급증하고, 전자기기에서 방출되는 전자파에 대한 인체 유해성 평가와 안전성 규명은 현대 사회에서 중요한 문제가 되었다. 이에 지금까지 전자파 인체 유해성과 관련된 다양한 연구가 수행되고 있으며, 그 연구 결과는 논문의 형태로 PubMed 혹은 EMF-portal과 같은 전자파 인체 유해성 관련 논문 데이터베이스에 축적되었다 [1][2]. 이렇게 축적된 논문 데이터는 전문가가 전자파 인체 유해성 평가를 수행함에 있어 중요한 자료로 활용된다. 그러나, 전자파 인체 유해성 평가를 위해서는 전문가가 직접 논문을 검토해야 하기 때문에 논문 검토에 긴 시간이 소요되고, 검토한 결과가 주관적일 수 있다는 문제가 있다 [3].

논문 검토 작업의 효율성과 객관성을 높일 수 있는 방법 중 하나로 기계학습 중 지도학습을 사용하여 논문 데이터를 자동 분류하는 연구가 최근 활발하게 진행되고 있다. 논문 [4]에서, 저자는 UniProt Knowledgebase (UniProtKB)에서 제공하는 단백질 서열 및 단백질 기능에 관한 논문과 논문의 주석 데이터를 사용하여, UniProtKB에 수록되지 않은 논문을 UniProtKB의 주석을 기준으로 분류하는 합성곱신경망 모델을 제안했다 [5]. 논문 [6]에서, 저자는 UniProtKB, NHGRI-EBI GWAS Catalog와 같은 논문 데이터베이스에서 제공하는 의학 논문의 분류정보를 사용하여 PubMed에 검색된 논문을 자동 분류하는 합성곱신경망 모델을 제안했다 [7]. 논문 [8]에서, 저자는 전문가가 제공한 분자 상호작용과 관련된 논문 537개와 분자 상호작용과 관련되지 않은 논문 451개를 분류기준으로 사용하여, 새로운 논문을 분자 상호작용 관련된 논문과 관련 없는 논문으로 분류하는 합성곱-순환신경망 결합 모델을 제안했다.

앞서 언급된 연구들은 UniProtKB, NHGRI-EBI GWAS Catalog와 같은 논문 데이터베이스 혹은 전문가가 제공한 논문 분류기준을 활용하여 지도학습 기반의 텍스트 분류 모델을 사용했다는 공통점이 있다. 그러나, 현재 Pubmed와 EMF-portal과 같은 전자파 인체 유해성 관련 논문 데이터베이스는 지도학습 기반의 논문 분류를 위한 분류기준을 제공할 수 없다. PubMed는 약 3천만개에 달하는 의학 논문에 대한 검색 및 출판정보, 제목, 초록, 저널 DOI 정보를 제공하지만, 지도학습의 분류기준이 될 수 있는 추가정보는 제공하지 않는다. EMF-portal은 약 33,000여개에 달하는 전자파 인체 유해성 관련 논문의 기본적인 출판정보 및 6,866개 논문의 요약된 정보를 제공한다. 그러나, EMF-portal에서 제공되는 6,866개 논문의 요약은 형식이 정형화 되어 있지 않기 때문에 지도학습을 위한 분류기준으로 사용될 수 없다.

본 논문에서는 전자파 인체 유해성 평가의 효율성과 객관성을 높이기 위해 지도학습의 논문 분류기준을 제공할 수 있는 정형화된 논문 데이터베이스를 구축한다. 논문 데이터베이스 구축을 위해 먼저 논문 데이터베이스의 스키마 (Schema)를 설계한다. 그 다음, 엔지니어, 과학자 및 의료 관계자들로 구성된 전자파 인체 유해성 연구그룹 Powerwatch의 웹사이트에서 전자파 인체 유해성 관련 논문의 논문정보를 수집하여, 설계한 데이터베이스에 저장한다 [9]. 데이터베이스에 저장된 정보는 총 3가지 종류로 구분된다. 첫 번째 데이터 종류는 논문의 출판정보 (Publication information)이며, 논문의 저자, 저널명, 제목, 초록과 같은 출판사에서 제공되는 정보를 포함한다. 두 번째 데이터 종류는 논문의 분석정보 (Analytical information)이며, 논문의 전자파 인체 영향 결론, 연구주제, 초록의 결론 문장을 포함한다. 마지막 데이터 종류는 본문 텍스트 정보 (Article body text)이며, 논문 본문의 서론 및 결론 텍스트 정보를 포함한다. 구축된 데이터베이스의 활용성을 검증하기 위해 순환신경망 기반의 전자파 인체 영향 결론 분류 모델을 개발하였다. 전자파 인체 영향 결론 분류 모델의 분류 결과를 통해, 구축한 논문 데이터베이스가 지도학습의 논문 분류기준을 제공하여 전자파 인체영향 평가에 도움이 될 수 있음을 확인했다.

본 논문의 구성은 다음과 같다. 2장에서는 논문 데이터베이스의 데이터 스키마 설계 내용을 설명한다. 3장에서는 논문 데이터베이스 구축 내용을 설명한다. 4장에서는 전자파 인체 영향 결론 분류 모델을 구현하고, 구축한 논문 데이터베이스의 활용 가능성을 검증한다. 마지막으로, 5장에서는 본 논문의 결론을 내리며 마친다.

Ⅱ. 논문 데이터베이스 스키마 설계

Powerwatch 웹사이트는 약 1,600여개의 전자파 인체영향 관련 논문에 대한 출판정보 및 전자파 인체 유해성 관련 분석정보를 제공한다. 그림 1은 Powerwatch 웹사이트에 수록된 논문의 예시를 보여준다. Powerwatch 웹사이트에 수록된 논문은 저자명, 출판연도, 제목, PubMed URL 등의 요약된 출판정보와 함께 제공된다. 또한, 추가적으로 논문의 연구주제, 논문의 전자파 인체 영향 결론 그리고 논문 초록의 결론 문장과 같은 논문 분석정보가 제공된다. 논문의 연구주제는 Mobile phone, Phone mast, Radio transmitters 등 총 9개의 연구주제 중 논문이 어떤 연구주제와 관련이 있는지 나타낸다. 논문의 전자파 인체 영향 결론은 해당 연구가 전자파의 인체 유해성에 대해 어떠한 결론을 내렸는지 Positive, Null, Neutral 중 하나로 나타낸다. Positive는 해당 연구에서 전자파에 의한 영향이 발견된 경우이고, Null은 해당 연구에서 전자파에 의한 영향이 발견되지 않은 경우이다. 그리고, Neutral은 해당 연구가 전자파 인체영향과 관련하여 중요한 사실을 전달하지만, Positive도 Null도 아닌 경우를 의미한다. 논문 초록의 결론 문장은 논문의 초록 텍스트에서 결론에 해당하는 한 문장을 나타낸다.

Fig. 1.

Example of scientific articles listed in Powerwatch website

Powerwatch 웹사이트에서 제공하는 데이터를 고려하여 표 1과 같이 논문 데이터베이스의 데이터 스키마를 설계하였다. 구체적으로, 논문 데이터베이스에 저장되는 정보를 출판정보 (Publication information), 분석정보 (Analytical information), 본문 텍스트 정보 (Article body text)의 3가지로 구분하였다. 첫 번째, 출판정보 (Publication information)는 논문의 저널 사이트 혹은 PubMed를 통해 알 수 있는 논문이 출판된 저널명 (Journal), 논문의 출판연도 (Published year), 저자명 (Author), 제목 (Title), 초록 텍스트 (Abstract), PubMed URL을 포함한다. 두 번째, 분석정보 (Analytical information)는 Powerwatch 웹사이트에서 전문가의 검토를 통해 제공되는 논문의 연구주제 (Research subject), 전자파 인체 영향 결론 (EMF effect conclusion), 초록의 결론 문장 (Author’s abstract conclusion)을 포함한다. 마지막으로, 본문 텍스트 정보 (Article body text)는 논문의 서론 (Introduction)과 결론 (Conclusion)에 해당하는 부분의 텍스트 정보이다. 이 본문 텍스트 정보는 논문의 제목과 초록만으로 부족한 텍스트 정보량을 보충하여, 기계학습의 성능을 향상시키기 위해 수집되었다.

Table 1.

Literature database schema on EMF risk to human health

Ⅲ. 데이터베이스 구축

앞서 설계한 데이터 스키마는 MySQL 데이터베이스를 통해 구현되었다. 그림 2는 구현된 MySQL 데이터베이스의 테이블 항목, 데이터 유형, 데이터 길이를 보여준다. 저널명, 출판연도, 저자명, 제목, PubMed URL, 전자파 인체 영향 결론, 연구 주제는 50개의 글자를 저장할 수 있는 VARCHART 데이터 형식으로 저장되었다. 논문 초록과 초록의 결론 문장은 MEDIUMTEXT 데이터 형식으로 저장되었다. 마지막으로 텍스트 길이가 상대적으로 긴 본문 서론과 본문 결론은 LONGTEXT 데이터 형식으로 저장되었다.

Fig. 2.

Table structure of implemented MySQL database

정보의 수집은 HTML 및 XML 문서 파싱을 위한 Python 라이브러리인 BeautifulSoup을 사용하여 수행되었다 [10]. 먼저 출판정보 수집을 위해 Powerwatch 웹사이트에서 제공되는 각 논문의 PubMed URL을 파싱하였다. 그런 다음 PubMed 웹사이트에서 각 논문의 저널명, 출판연도, 저자명, 제목, 초록을 파싱하여 데이터베이스에 저장하였다. 마찬가지로, 연구주제, 전자파 인체 영향 결론, 초록의 결론 문장과 같은 분석정보 또한 Powerwatch 웹사이트로에서 파싱 후 데이터베이스에 저장되었다. 마지막으로 본문 서론과 본문 결론의 텍스트 정보는 열람 가능한 논문의 본문 파일로부터 수작업을 통해 수집 후 데이터베이스에 저장되었다.

표 2는 데이터베이스에 수집된 논문의 수를 보여준다. 약 1,600여개의 논문을 수집하여, 중복된 논문을 제외하고 총 1,102개의 논문이 논문 데이터베이스에 저장되었다. 그러나, 그 중 논문의 초록 데이터 수집에 실패한 논문이 22개, 본문의 서론을 수집하지 못한 논문이 123개, 본문의 결론을 수집하지 못한 논문이 33개였다. 논문의 초록 데이터 수집에 실패한 논문은 PubMed URL이 제공되지 않거나 논문 초록이 없는 보고서 형식의 문서였다. 본문의 서론 및 결론 부분의 텍스트 수집에 실패한 논문은 논문 접근권한이 없는 경우 혹은 정량적인 실험 결과만 언급되며 서론 혹은 결론이 없는 경우였다.

Table 2.

Number of collected scientific articles in the literature database

Ⅳ. 전자파 인체 영향 결론 분류 모델 구현 및 실험결과

4-1 전자파 인체 영향 결론 분류 모델 구현

구축한 논문 데이터베이스의 활용성을 검증하기 위해서 순환신경망 기반의 전자파 인체 영향 결론 분류 모델을 구현하였다. 이를 위해 먼저 논문 데이터베이스에 저장된 제목, 초록, 본문 서론, 본문 결론의 텍스트 정보에 대해 Be동사와 구두점과 같은 불필요한 텍스트 제거, 단어의 소문자화, 표제어추출, 문장 및 단어 단위의 분리와 같은 전처리를 수행하였다. 그 다음, 논문 데이터베이스에 저장된 각 논문의 제목, 초록, 본문의 서론, 본문의 결론 텍스트를 입력 값으로 하여 단어를 250개의 차원으로 표현하는 Word2vec 임베딩 모델을 훈련시켰다 [11]. Word2vec 임베딩 모델의 훈련 데이터 생성을 위한 Window의 크기는 4를 사용하였으며, 텍스트 데이터에서 최소 5회 이상 등장한 단어만 Word2vec 단어 사전에 포함하였다. 훈련이 끝난 Word2vec 임베딩 모델을 통해 총 12,217개의 단어에 대한 임베딩 값을 얻을 수 있었다. Word2vec 임베딩은 텍스트정보처리를 위한 Python 라이브러리인 Gensim을 사용하여 수행하였다 [12].

Word2vec 임베딩이 끝난 후 단어의 임베딩 값은 논문의 전자파 인체 영향 결론 분류 모델의 입력 값으로 사용되었다. 논문의 전자파 인체 영향 결론 분류 모델은 Gated Recurrent Unit (GRU) 셀로 구성된 순환신경망 모델로 구현되었다 [13]. 구현된 순환신경망 모델은 각 논문의 제목과 초록을 구성하는 단어의 벡터 시퀀스를 입력 값으로 받고, 각 논문의 전자파 인체 영향 결론을 Positive, Null, Neutral 중 하나로 분류하는 Multi-class classfication 작업을 수행한다. 이때, 모델에 입력되는 단어의 벡터의 수는 350개로 제한되며, 만약 제목과 초록의 단어 수가 350개보다 적으면 0으로 구성된 벡터가 제목과 초록 단어들의 벡터 시퀀스 앞에 채워져서 모델에 입력되었다. 전자파 인체 영향 결론 분류 모델은 오픈소스 머신 러닝 라이브러리인 PyTorch를 사용하여 구현되었으며, 사용된 하이퍼파라미터 (Hyperparameter) 정보는 표 3에 표시되어 있다 [14].

Table 3.

Hyperparameters of EMF effect classification model

4-2 전자파 인체 영향 결론 분류 모델 실험결과

논문 데이터베이스에 수록된 논문 중 80%를 훈련데이터로, 20%를 테스트 데이터로 사용하여 구현한 전자파 인체 영향 결론 분류 모델의 성능을 검증하였다. 전자파 인체 영향 결론 분류 모델의 훈련을 위해서 학습률은 0.001을 사용하였고, 훈련은 10번 반복하였다. 전자파 인체 영향 결론 분류 모델의 성능을 평가하기 위해서 아래의 기준으로 분류 정확도를 측정하였다.

$\[ Accuracy=\frac{TP+TN}{TP+TN+FP+FN} \]$

(1)

$\[ Precision=\frac{TP}{TP+FP} \]$

(2)

$\[ Recall=\frac{TP}{TP+FP} \]$

(3)

$\[ F-measure=\frac{2\times Precision\times Recall}{Precision\times Recall} \]$

(4)

이때, TP는 분류 모델이 특정 전자파 인체 영향 결론에 속한다고 예측하고 그 예측값이 정답인 논문의 수, TN은 분류모델이 특정 전자파 인체 영향 결론에 속한다고 예측하고 그 예측값이 오답인 논문의 수, FP는 분류모델이 특정 전자파 인체 영향 결론에 속하지 않는다고 예측하고 그 예측값이 정답인 논문의 수, FN은 분류모델이 특정 전자파 인체 영향 결론에 속하지 않는다고 예측하고 그 예측값이 오답인 논문의 수이다. 표 4는 측정된 전자파 인체 영향 결론 분류 모델의 분류 정확도 성능을 보여준다. 전자파 인체 영향 결론 분류 모델은 전체 테스트 데이터 세트에 대해 69.24%의 정확도를 보였다. 이를 통해 구축한 논문 데이터베이스의 분석정보를 지도학습의 분류기준으로 사용할 수 있음을 알 수 있다. 또한, 각각 전자파 인체 결론 분류별로 분류 정확도를 살펴보면, Positive에 대한 분류 성능이 (F-measure=0.79)가 가장 좋았으며, Neutral에 대한 분류 성능 (F-measure=0.54)이 두 번째로 높았다. 마지막으로 Null에 대한 분류 성능 (F-measure=0.46)이 가장 낮았다. 검토결과 논문 데이터베이스에 수록된 논문 중 전자파 인체 영향 결론이 Positive인 논문의 수가 663개로 가장 많고, Neutral이 252개로 두 번째로 많고, Null이 187개로 논문의 수가 가장 적은 것을 확인할 수 있었다. 따라서, Positive, Null, Neutral 별로 분류 성능이 차이 나는 것은 각 분류에 속하는 논문의 개수 차이 때문이다.

Table 4.

Accuracy of EMF effect classification model

Ⅴ. 결 론

본 논문에서는 전자파 인체 유해성 평가의 효율성과 객관성을 높이기 위해 기계학습의 분류기준을 제공할 수 있는 정형화된 논문 데이터베이스를 설계 및 구축하였다. 설계된 데이터베이스는 MySQL을 통해 구현되었다. 그리고, PubMed 및 Powerwatch 웹사이트 정보를 파싱하여 논문 출판정보와 분석정보를 수집하여 저장하였다. 또한, 접근이 가능한 논문의 본문 파일을 직접 조회하여 서론 및 결론에 해당하는 본문 텍스트 정보를 수집하고 저장하였다.

구축한 논문 데이터베이스의 활용성을 검증하기 위해 순환신경망 기반의 전자파 인체 영향 결론 분류 모델을 구현하였다. 구현된 전자파 인체 영향 분류 모델의 성능검증을 위해 데이터베이스의 수록된 논문의 80%를 훈련데이터로, 나머지 20%를 테스트 데이터로 사용하였다. 그 결과, 전자파 인체 영향 결론 분류 모델은 69.24%의 분류 정확도를 보였으며, 이를 통해, 구축한 논문 데이터베이스가 전자파 인체 유해성 평가를 위한 기계학습 분류기준을 제공할 수 있음을 알 수 있었다.

구축된 논문 데이터베이스에는 1,102의 연구논문이 수록되어 있다. 그러나, 전자파 인체 유해성 평가를 위한 기계학습의 성능을 향상을 위해서는 더 많은 양의 데이터가 필요하다. 따라서, 현재 구축된 논문 데이터베이스를 기반으로 자동 분류모델을 개발하고, 새로운 논문에 적용하여 논문 데이터베이스를 확장할 계획이다. 이를 통해, 전자파 인체 유해성 평가를 위한 기계학습의 성능을 향상시키고, 결과적으로 전자파 인체 유해성 평가의 효율성과 객관성을 향상시킬 수 있을 것으로 기대된다.

Acknowledgments

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 정보통신·방송 연구개발사업의 일환으로 수행하였음. [2019-0-00102, 복합 전파환경에서의 국민건강 보호기반 구축]

References

• PubMed. Available: https://pubmed.ncbi.nlm.nih.gov/, .
• EMF-portal. Available: https://www.emf-portal.org/en, .
• E. Denventer, E. Rongen, and R. Saunders, “WHO research agenda for radiofrequency fields,” Bioelectromagnetics, Vol. 32, No. 5, pp. 417-421, 2011. [https://doi.org/10.1002/bem.20660]
• D. Teodoro, J. Knafou, N. Naderi, E. Pasche, J. Gobeill, C. N. Arighi, and P. Ruch, “UPCLASS: a deep learning-based classifier for UniProtKB entry publications,” Database, Vol. 2020, pp. 1-13, 2020. [https://doi.org/10.1093/database/baaa026]
• UniProt Knowledgebase. Available: https://www.uniprot.org/, .
• K. Lee, M. L. Famiglietti, A. McMahon, C. H. Wei, J. A. L. MacArthur, S. Poux, L. Breuza, A. Bridge, F. Cunningham, I. Xenarios, and Z. Lu, “Scaling up data curation using deep learning: An application to literature triage in genomic variation resources,” PLoS computational biology, Vol.14, No. 8, pp 1-14, 2018. [https://doi.org/10.1371/journal.pcbi.1006390]
• NHGRI-EBI GWAS Catalog. Available: https://www.ebi.ac.uk/gwas/, .
• G. A. Burns, X. Li, and N. Peng, “Building deep learning models for evidence classification from the open access biomedical literature,” Database, Vol. 2019, pp. 1-9, 2019. [https://doi.org/10.1093/database/baz034]
• Powerwatch website. Available: https://www.powerwatch.org.uk/science/studies.asp/.
• L. Richardson, Beautifulsoup documentation. Available: https://buildmedia.readthedocs.org/media/pdf/beautiful-soup-4/latest/beautiful-soup-4.pdf, /.
• T. Mikolov, K. Chen, G. Corrado, and J. Dean. “Efficient Estimation of Word Representations in Vector Space,” ICLR Workshop, Scottsdale, 2013.
• R. Řehůřek and P. Sojka, “Software framework for topic modelling with large corpora,” LREC 2010 Workshop on New Challenges for NLP Frameworks, Valletta, pp. 45-50, 2010.
• K. Cho, B. Merrienboer, C. Gulcehre, F. Bougares, H. Schwenk, and Y. Bengio, “Learning phrase representations using RNN encoder-decoder for statistical machine translation,” arXiv preprint arXiv:1406.1078, , pp. 1-15, 2014. [https://doi.org/10.3115/v1/D14-1179]
• A. Paszke, S. Gross, F. Massa, A. Lerer, J. Bradbury, G. Chanan, T. Killeen, Z. Lin, N. Gimelshein, L. Antiga, A. Desmaison, A. Kopf, E. Yang, Z. DeVito, M. Raison, A. Tejani, S. Chilamkurthy, B. Steiner, L. Fang, J. Bai, and S. Chintala, “Pytorch: An imperative style, high-performance deep learning library,” Advances in neural information processing systems, pp. 8026-8037, 2019.