Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지

An Efficient Dynamic Workload Balancing Strategy

DNN을 이용한 중환자 상태 징후 조기 예측

  • Hyun-Suk Yoon (Dept. of Artificial Intelligence Convergence Engineering, Kangnam University) ;
  • Gil-Sik Park (Dept. of AI Technology Management, Kyung-Hee University) ;
  • Hae-Jong Joo (Dept. of Artificial Intelligence Convergence Engineering, Kangnam University)
  • 윤현석 (강남대학교 인공지능융합공학부) ;
  • 박길식 (경희대학교 AI기술경영학과) ;
  • 주해종 (강남대학교 인공지능융합공학부)
  • Published : 2024.01.17
Download PDF
⟨ Previous Next ⟩

Abstract

국내외에서 AI기반 의료 솔루션 시장은 빠른 속도로 확장 중이며 이에 따른 다양한 의학 분야에서 많은 기법을 통한 의료 AI 시스템이 등장하고 있다. 그러나 기존 다양한 AI 연구가 이뤄짐에도 아직 중환자의 징후 예측에는 많은 어려움이 있다. 또한, 중환자의 경우 현재 의료진만으로 모든 환자를 필요한 시기에 진료하기엔 어려움이 있고 환자 상태 조기 예측이 필수적임을 관련 다양한 의학 기사를 통해 쉽게 인지할 수 있다. 본 연구에서는 위와 같은 문제점을 해결하고자 중환자의 진료 결과 데이터를 활용하여 환자의 진료 후 상태를 예측하는 모델을 생성하였다. '용인시산업진흥원'에서 제공하는 60만여 건에 달하는 환자 데이터를 수집하여, 중환자 상태 징후를 조기에 예측할 수 있는 머신러닝/딥러닝 기반 알고리즘으로 구현한 여러 모델에 대해 비교했을 때 딥러닝(DNN) 기반 모델이 약 92%의 분류 정확도를 측정할 수 있었다.

Keywords

References

  1. Lee A, Bishop G, Hillman KM, Daffurn K. The medical emergency team. Anaesthesia and Intensive Care. 1995;23(2):183-186. https://doi.org/10.1177/0310057X9502300210
  2. Lee Ju Ry, Choi Hye Ran (2014). Medical Alert Team, Asan Medical Center. Validation of a Modified Early Warning Score to Predict ICU Transfer for Patients with Severe Sepsis or Septic Shock on General Wards. J Korean Acad Nurs Vol.44 No.2, 219-227
  3. Han, Kyoung Shin, & Park, Young Im (2002). The Level of Anxiety and Relating Factors of ICU Patients. The Journal of Korean Academic Society of Nursing Education, 8(1), 155-166.
  4. Yong-Hwan Kim, Jang-Yong Kim, & Ki-Tae Bae (2019). A Study on Artificial Intelligence-based Intensive Medical Patient's Shock Pre-Detection System. 정보기술융합공학논문지, 9(2), 49-56. https://doi.org/10.22733/JITAE.2019.09.02.006
  5. Hu, C., Li, L., Huang, W. et al. Interpretable Machine Learning for Early Prediction of Prognosis in Sepsis: A Discovery and Validation Study. Infect Dis Ther 11, 1117-1132 (2022). https://doi.org/10.1007/s40121-022-00628-6
  6. Michael Onyema Edeh et al. Artificial Intelligence-Based Ensemble Learning Model for Prediction of Hepatitis C Disease. Front. Public Health, 27 April 2022 Sec. Digital Public Health. Volume 10 - 2022