[iitp] 병원 내 중대 이벤트 예측 시스템

 

[ 시스템 구성도 ]

 

 

 

 

*** 출처: [iitp] 병원 내 중대 이벤트 예측 시스템 : 최재식 교수, 울산과학기술원

*** 문서:

file7944391753571692844-191603.pdf

 

 

 

 

II. 기술의 개념 및 내용

 

 

1. 기술의 개념

 

 

- 본 시스템은 해석 가능한 딥 컨볼루셔널 뉴럴 네트워크(Deep CNN)를 기반으로 패혈증 등 주요 이벤트를 조기에 예측하여 환자의 예후 향상을 도모하는 소프트웨어로서, 환자의 위험도를 실시간으로 산출하여, 고위험군을 쉽게 파악할 수 있는 대시보드와 이를 통한 모바일 알람 등 다양한 기능을 포함하여, 임상 현장에 종사하는 의사, 간호사의 업무 효율 향상에 실질적으로 기여하고자 함

 

 

2. 특징 및 장점

 

 

- 임상적으로 유의미한 예측 결과를 제공하기 위해, 후향 데이터를 통해 머신러닝 모델을 학습할 때부터 엄격한 조작적 정의를 통해 데이터의 레이블을 결정하며, 이를 기반으로 해석 가능한 딥 네트워크를 학습하였기 때문에 전향 검증에서 본 시스템 사용 시 환자 예후가 향상되는 결과를 기대할 수 있음

 

- 본 시스템은 중환자실용 모델, 일반병동용 모델로 세분되어 있으며, 중환자실용 모델은 한 시간 간격으로 입력되는 활력 징후, 하루 간격으로 입력되는 혈액 검사 수치를 기반으로 패혈증 및 사망 여부를 조기에 예측하며, 일반병동용 모델은 8시간 간격으로 입력 되는 활력 징후, 비정기적으로 입력되는 혈액 검사 수치를 기반으로 머신러닝 모델을 학습

 

- 이벤트 발생 예측값을 생성하기 위해 24시간 데이터만을 활용하기 때문에 컨볼루셔널 네트워크 기반으로 모델을 설계하였으며, 이벤트별 위험 인자를 추출하기 위해 해석 가능 모듈을 결합하여 임상적으로 유의미한 위험 인자를 도출함

 

 

3. 기술의 상세내용 및 사업화 제약사항

 

 

■ 기술의 상세내용

 

 

- 본 제품의 명칭은 VitalCare이며, 사망 또는 패혈증 위험도 예측 방법 및 이를 이용한 현황판 제작, 모바일 알람 발송 기술을 포함함

 

- 예측 모델 구성도

 

 

 

 

 

 

 

■ 사업화 제약사항

 

 

- 의료수가 인정을 위해서는 의료기기 인증 및 신의료기술평가를 통과해야 하며, 본 시스템을 사용할 때 환자의 예후가 유의미하게 향상되는지를 전향적으로 엄격하게 검증해야 함

 

 

 

III. 국내외 기술 동향 및 경쟁력

 

 

1. 국내 기술 동향

 

- 아산병원과 아주대에서 패혈증을 RNN 및 MLP 기반으로 조기에 예측하는 모델을 개발함

 

 

2. 해외 기술 동향

 

- Dascena는 미국 스타트업으로, 중환자실 후향 데이터 중 활력 징후와 혈액 검사 수치를 기반으로 개발한 패혈증 조기 예측 모델(제품명 Insight)을 개발하였으며, 현재 해당 모델을 전향적으로 검증하고 있으며, 사업화를 진행 중임