본 연구실은 소아 중환자 진료의 혁신을 목표로, 인공지능 및 딥러닝 기술을 활용한 예측 모델 개발에 집중하고 있습니다. 최근 연구에서는 소아 중환자실에 입원한 환자들의 생체 신호, 검사 결과, 임상 정보를 통합적으로 분석하여 심정지, 패혈증, 중증 감염 등 치명적 사건의 조기 예측 모델을 개발하였습니다. 이러한 모델은 기존의 복잡하고 시간이 많이 소요되는 평가 도구를 대체할 수 있으며, 의료진의 업무 부담을 줄이고 환자 안전을 크게 향상시킬 수 있습니다. 특히, 심정지, 패혈증, 혈류 감염 등 중증 사건의 조기 예측을 위해 다양한 임상 변수와 연령별 정상 범위의 변동성을 반영한 데이터 전처리 기법을 적용하였습니다. 연구실은 장기간에 걸친 대규모 임상 데이터를 기반으로, LSTM, 랜덤 포레스트, XGBoost 등 다양한 머신러닝 및 딥러닝 알고리즘을 비교·적용하여 최적의 예측 성능을 도출하였습니다. 실제로, 개발된 모델은 높은 민감도와 특이도를 보이며, 외부 검증을 통해 임상 적용 가능성을 확인하고 있습니다. 이러한 연구는 소아 중환자 진료의 패러다임을 변화시키고, 조기 개입을 통한 생존율 향상과 합병증 감소에 기여할 것으로 기대됩니다. 앞으로는 다기관 데이터와 실시간 임상 적용을 통한 추가 검증 연구를 진행할 예정이며, 궁극적으로는 인공지능 기반의 임상 의사결정 지원 시스템으로 발전시켜 소아 중환자 진료의 표준을 제시하고자 합니다.

연구실은 소아 호흡기 및 순환기 질환의 중환자 치료에 대한 임상적 연구와 치료 전략 개발에 중점을 두고 있습니다. 신생아 및 영유아에서 발생하는 중증 호흡부전, 기관지폐이형성증, 폐고혈압, 선천성 호흡조절장애 등 다양한 질환에 대해 기계환기, ECMO(체외막산소공급), 폐이식 등 첨단 치료법의 임상 적용과 그 효과를 분석해왔습니다. 또한, 기관절개술, 인공호흡기 의존 환아의 장기적 관리와 예후 개선을 위한 전국 단위의 빅데이터 연구도 수행하고 있습니다. 특히, ECMO와 같은 고난이도 생명유지치료의 국내 다기관 연구를 통해 진료 현황, 생존율 변화, 예후 인자 등을 체계적으로 분석하였으며, 이를 바탕으로 국내 소아 중환자 치료의 질적 향상과 표준화에 기여하고 있습니다. 또한, 기관절개술 환아의 의료 이용 패턴, 재입원 원인, 사망률 등 장기적 예후를 분석하여, 환자와 가족을 위한 통합적 지원 시스템 구축의 필요성을 제시하였습니다. 이러한 임상 연구는 중증 소아 환자의 생존율 향상과 합병증 감소, 삶의 질 개선에 실질적으로 기여하고 있습니다. 앞으로는 다학제적 협력과 최신 치료기술 도입, 환자 맞춤형 관리 전략 개발을 통해 소아 중환자 치료의 새로운 패러다임을 제시하고, 국내외 소아 중환자 진료의 선도적 역할을 지속할 계획입니다.