• 대한응급의학회지
• /
• 제29권5호
• /
• pp.455-464
• /
• 2018

Objective: Machine learning is not yet widely used in the medical field. Therefore, this study was conducted to compare the performance of preexisting severity prediction models and machine learning based models (random forest [RF], gradient boosting [GB]) for mortality prediction in pneumonia patients. Methods: We retrospectively collected data from patients who visited the emergency department of a tertiary training hospital in Seoul, Korea from January to March of 2015. The Pneumonia Severity Index (PSI) and Sequential Organ Failure Assessment (SOFA) scores were calculated for both groups and the area under the curve (AUC) for mortality prediction was computed. For the RF and GB models, data were divided into a test set and a validation set by the random split method. The training set was learned in RF and GB models and the AUC was obtained from the validation set. The mean AUC was compared with the other two AUCs. Results: Of the 536 investigated patients, 395 were enrolled and 41 of them died. The AUC values of PSI and SOFA scores were 0.799 (0.737-0.862) and 0.865 (0.811-0.918), respectively. The mean AUC values obtained by the RF and GB models were 0.928 (0.899-0.957) and 0.919 (0.886-0.952), respectively. There were significant differences between preexisting severity prediction models and machine learning based models (P<0.001). Conclusion: Classification through machine learning may help predict the mortality of pneumonia patients visiting the emergency department.

• Journal of Platform Technology
• /
• 제9권3호
• /
• pp.36-43
• /
• 2021

뇌졸중 질환은 전세계적으로 가장 중요한 사망원인 중 하나이며, 특히 고령자에게 장애의 원인이 되는 가장 중요한 질환이다. 뇌졸중 질환이 발생하면 사망 또는 심각한 장애를 유발하기 때문에, 적극적인 일차 예방과 전조증상의 빠른 발견이 매우 중요하다. 특히, 일상생활에서의 뇌졸중 전조증상 발병을 감지 및 정확히 예측하여 전문가의 신속한 진단을 유도할 수 있어야 한다. 최근까지의 연구에서는 뇌졸중 환자의 전조증상을 예측하는 방법론으로 CT(Computed Tomography)나 MRI(Magnetic Resonance Imaging)와 같은 영상 분석이 대부분이었으나, 이러한 접근에는 오랜 검사 시간과 높은 검사 비용 등에 대한 한계점을 가지고 있다. 본 논문에서는 고령자의 뇌졸중 질환 발병이 보행 시 족압(Foot Pressure)에 어떤 영향을 미치는지 임상 데이터를 이용해 실험하였다. 실험 결과, 보행 중에 뇌졸중 고령자와 일반 고령자 간에 12개의 셀에서 * p < .05 인 유의미한 차가 있음을 분석 및 검증하였다. 결과적으로 고령의 뇌졸중 환자와 일반 고령자의 일상생활의 보행 패턴에 유의미한 차이를 발견했다는 것에 그 의미가 크다고 할 수 있다.

• Journal of Chest Surgery
• /
• 제38권1호
• /
• pp.56-62
• /
• 2005

외상성 횡격막 손상은 진단이 어렵고, 치료가 늦어지는 경우 치명적일 수 있다. 본 연구는 외상성 횡격막 손상 환자들의 임상적 특징과 예후 예측 인자로서 외상 지표들의 유용성을 알아보고자 하였다. 대상 및 방법: 1995년 5월부터 2003년 6월까지 3차 의료기관에서 외상성 횡격막 손상으로 진단받은 23명의 성인 환자를 대상으로 하였다. 이 환자들의 Revised Trauma Score (RTS)와 Injtry Severity Score (ISS), Trauma and Injury Severity Score (TRISS), Acute Physical and Chronic Health Evaluation (APACHE) II점수를 구하여 사망여부 및 중환자실 입원기간과의 관계를 분석하였다. 결과: 손상 기전은 둔상 14명$(60.9{\%})$, 관통상 9명$(39.1{\%})$이었으며, 손상부위는 우측 11명($47.8{\%}$), 좌측 11명($47.8{\%}$), 양측 1명($4.4{\%}$)이었다. 15명($65.2{\%}$)의 환자에 대해서는 손상 후 24시간 이내에 진단이 이루어졌으며, 14명$(60.9{\%})$은 수술 전에 진단받았다. 진단 방법으로는 단순 흥부방사선 촬영, 전산화 단층촬영, 상부위장관 조영술과 위내시경을 사용하였으며, 단순 흉부방사선 촬영으로 의심한 경우는 9명$(39.1{\%})$이었다. 23명중 2명$(8.7{\%})$이 사망하였다. 결과 예측을 위해 환자의 나이, 수술 전까지 쇼크의 유무, 손상된 시간으로부터 수술까지의 시간과 사망 여부를 비교해 보았는데, 통계학적으로 유의할 만한 연관을 보이지 않았다. RTS와 ISS는 사망과 연관을 보였으나, TRISS나 APACHE II 점수는 연관을 보이지 않았다. 중환자실 재원 기간과 외상 지표들과의 상관관계를 분석한 결과, 중환자실 재원 기간은 RTS 점수가 높을수록 짧아지고(r: -0.501, p=0.000), APACHE II 점수가 높을수록 길어지는 경향을 보였다(r=0.737, p=0.026). 결론: 다발성 외상 환자를 진료함에 있어 외상성 횡격막 손상의 가능성을 의심하고 접근하는 것이 중요하며, 그 중증도와 예후를 예측하는 데 RTS가 간단하고 비교적 뛰어난 외상지표로 사용될 수 있을 것이다.

• 응용통계연구
• /
• 제33권4호
• /
• pp.421-437
• /
• 2020

본 논문은 최근에 널리 사용되고 있는 R 프로그램으로 출산율, 사망률, 국제이동률을 예측하고 이들 결과를 Leslie 행렬에 대입해 인구추계 산출하는 방법을 소개한다. 특히 Kaneko (2003)가 제안한 출산율의 일반화로그감마모형, Li 등 (2013)의 사망률 LC-ER 모형, Ramsay와 Silverman (2005)가 제안한 국제이동률의 함수적데이터모형을 시현할 수 있도록 하였다. 최근 R로 구현된 대표적인 인구추계 패키지로 demography, bayesPop가 소개되고 있으나, 이는 Human Mortality Database (HMD), Human Fertility Database (HFD)에 업로드된 자료에 한에서만 분석이 가능하고 기타 데이터를 적용하기 위해서는 자료 변경과 수정이 요구된다. 특히 우리나라의 경우 HMD에 단기 간의 자료로만 제공되어 있어 이 패키기를 적용하기에는 한계점이 있다. 이에 본 논문은 이런 실정과 한국의 저출산, 고령화, 내국인, 외국인 국제이동률 상이패턴을 반영할 수 있는 R 프로그램을 소개하고, 2117년까지의 인구추계를 도출하였다.

• 한국방사선학회논문지
• /
• 제6권2호
• /
• pp.107-114
• /
• 2012

사고로 인해 응급실을 내원한 중증외상환자로 등록된 환자 중 혈관조영술을 시행 받고, 동맥 출혈이 진단되어 동맥색전술을 시행 받은 환자를 대상으로 생존군과 사망군을 비교하여 생존의 영향을 미치는 인자와 치료방법으로 혈관조영술 및 색전술의 유용성과 적절한 시행 시점을 연구하였다. 2006년 7월부터 2010년 12월에 경기도에 위치한 H병원 응급실에 중증외상환자로 분류된 환자 중 혈관조영술과 동맥색전술을 시행한 환자 45명을 대상으로 하여 후향적 분석을 실시하였다. 주요 지표로 ISS(Injury Severity Score)와 RTS(Revised Trauma Score), 적혈구 용적률 (Hematocrit)를 삼았다. 다발성 손상의 의한 중증외상환자의 경피적 동맥색전술은 모두 성공적으로 시술되었고, 환자의 사망률과 합병증을 줄이는데 도움을 줄 수 있으며, RTS, ISS, Hematocrit, 쇼크 등이 사망률 조기 인자로써 예측이 가능하였으며 생체활력증후가 안 좋은 환자는 색전술 시행 시점을 가능한 빠르게 진행시켜야 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.868-871
• /
• 2014

오늘날 한국에서는 급성 심근경색증으로 인한 사망률이 높은 상태로, 발병 시에 치료까지 신속한 의사결정이 요구되는 위중한 질병이기 때문에, 한국인에게 맞는 급성 심근경색증 연구가 매우 중요 하다. 본 연구는 한국인 급성 심근경색증 등록 데이터를 이용해 기계 학습 방법의 한 종류인 나이브 베이지안 방법을 이용해 급성 심근경색증 환자의 예후를 예측하고자, 의료 데이터의 특성에 따른 데이터 변환 방법을 제안한다. 타겟 클래스에서 보다 중요한 의미를 가진 death 값에 대해 각 값을, nominal value, numeric value, 결측치로 구분한 방식에 따라, 확률을 계산해 변환한다. 실험 결과를 통해 결측치를 피처마다 존재하는 값들의 평균을 낸 값으로 대입하였을 때 가장 좋은 성능임을 알 수 있었는데, 기존의 방법에 비해 precision=5.4%, recall=7.0%의 성능이 향상되었다. 따라서 제안한 방법은 나이브 베이지안 방법의 예측 성능 향상에 기여하였다고 판단된다. 이후 적용했던 데이터 변환 방법을 여러 가지 기계 학습 방법에서 판단해보고, 다른 타겟 클래스에도 시험해보고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.27-28
• /
• 2019

수술 시 시행되는 마취 과정에서 저혈압, 빈맥 등의 합병증이 다양한 정도로 발생한다. 이는 환자의 수술 후 심근경색이나 급성 신장 손상과 같은 심각한 합병증을 야기할 수 있으며 이러한 합병증들은 환자를 사망에 이르게 하는 원인이 되기도 한다. 본 연구에서는 머신러닝 기법을 활용해 전신마취 유도 중 저혈압 발생 환자를 예측하고자 한다. 순천향대학교 부천병원에서 수집된 207명 환자의 데이터를 이용하여 저혈압 발생 환자를 탐지하는 모델을 구축하였다. 의무 기록정보에 나타난 성별, 나이, 몸무게, 키, 신체적 상태 정보와 마취 유도 단계의 생체 신호 정보를 이용하였다. 신체적 상태 정보를 제외한 전체 피쳐를 모두 사용하였을 때, 탐지 정확도 68.06%, 관련 논문을 바탕으로 중요 피쳐만을 사용하여 실험하였을 때, 정확도 71.53%였으며, 환자의 신체적 상태 피쳐를 포함하여 실험하였을 때, 정확도 75%로 가장 우수한 결과를 얻었다.

• Tuberculosis and Respiratory Diseases
• /
• 제61권1호
• /
• pp.41-45
• /
• 2006

배 경: 패혈증 환자의 예후를 예측하는 데 현재 사용되고 있는 임상적 채점 방식은 몇가지 제한점이 있다. 그래서 단백질체학(proteomics) 기법을 사용하여 표지자(proteomic biomarkers)를 찾으려 연구를 진행하였다. 방 법: 본 연구에서는 16명의 패혈증환자에게서 중환자실에 입원하자마자 혈장을 채취하였다. 패혈증의 예후를 예측할 수 있는 표지자를 찾기 위해 Surface-enhanced laser desorption/ionization time-of-flight (SELDI -TOF) mass spectrometry를 사용하였다. 결 과: 사망환자와 생존환자 사이에 통계적으로 유의한 차이가 있는 6개의 단백표지자를 발견하였고 이들은 패혈증 환자의 예후 예측과 치료계획수립에 도움이 될 것으로 생각된다. 결 론: 프로테오믹 마커는 패혈증 환자의 예후를 예측하고 치료계획을 세우는 데 있어 유용하게 이용될 가능성이 있을 것으로 사료된다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.126-136
• /
• 2018

본 연구는 머신러닝을 활용하여 급성 뇌졸중 퇴원 환자의 중증도 보정 사망 예측 모형 개발을 목적으로 시행하였다. 전국 단위의 퇴원손상심층조사 2006~2015년 자료 중 한국표준질병사인분류(Korean standard classification of disease-KCD 7)에 따라 뇌졸중 코드 I60-I63에 해당하는 대상자를 추출하여 분석하였다. 동반질환 중증도 보정 도구로는 Charlson comorbidity index(CCI), Elixhauser comorbidity index(ECI), Clinical classification software(CCS)의 3가지 도구를 사용하였고 중증도 보정 모형 예측 개발은 로지스틱회귀분석, 의사결정나무, 신경망, 서포트 벡터 머신 기법을 활용하여 비교해 보았다. 뇌졸중 환자의 동반질환으로는 ECI에서는 합병증을 동반하지 않은 고혈압(hypertension, uncomplicated)이 43.8%로, CCS에서는 본태성고혈압(essential hypertension)이 43.9%로 다른 질환에 비해 가장 월등하게 높은 것으로 나타났다. 동반질환 중중도 보정 도구를 비교해 본 결과 CCI, ECI, CCS 중 CCS가 가장 높은 AUC값으로 분석되어 가장 우수한 중증도 보정 도구인 것으로 확인되었다. 또한 CCS, 주진단, 성, 연령, 입원경로, 수술유무 변수를 포함한 중증도 보정 모형 개발 AUC값은 로지스틱 회귀분석의 경우 0.808, 의사결정나무 0.785, 신경망 0.809, 서포트 벡터 머신 0.830로 분석되어 가장 우수한 예측력을 보인 것은 서포트 벡터머신 기법인 것으로 최종 확인되었고 이러한 결과는 추후 보건의료정책 수립에 활용될 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제14권4호
• /
• pp.1863-1870
• /
• 2013

본 연구는 응급의료센터에 약물중독으로 자살을 시도한 환자 중 생존군과 사망군을 분류하여 대상자의 내원 시 상태와 내원후 치료결과를 파악함으로써 향후 환자 발생시 임상적인 중증도 예측과 자살예방 연구에 기초자료로 활용하기 위함이다. 2009년 6월부터 2011년 5월까지 최근 2년간 광주광역시 C 대학병원 응급의료센터에 약물 중독으로 내원한 환자 중 비의도적인 사고 환자를 제외한 자살 환자만을 대상으로 하여, 의무기록으로 자료를 수집하였다. 연구결과 약물중독 자살환자에서 연령이 높고, 교육수준이 낮으며, 독거인 경우사망률이 높았고, 농약을 음독한 경우 예후가 좋지 않았다. 자살원인이 경제적문제와 우울증인 경우에 사망률이 높았고, 내원시 의식이 혼미, 반혼수/혼수인 경우 예후가 좋지 않았다. 약물중독 자살환자의 위험군을 파악하여 임상적인 중증도 예측에 도움이되고, 이들에 대한 적절한 약물교육과 더불어 정신적인 지지가 중요하다는 사실을 인지 시키고자 한다.