본 연구는 응급실(ED)에서의 불리한 사건(Adverse events, AEs)을 예측하기 위한 변환기 기반 조기경보 점수(Transformer-based early warning score, TEWS) 시스템을 개발하고 타당화하는 것을 목적으로 하였다. 우리는 상급종합병원에서의 성인 응급실 내원 사례를 대상으로 후향적 연구를 수행하였다. TEWS는 24시간 이내에 발생할 5가지 AEs, 즉 혈관수축제 사용, 호흡 보조, 중환자실 입실, 패혈성 쇼크, 심정지를 예측하도록 개발되었다. 성능 평가는 수신자 조작 특성 곡선(Receiver operating characteristic curve, AUROC) 하 면적을 사용하고 부트스트랩 기반 t-검정을 통해 평가 및 비교하였다. 외부 타당화는 중환자 치료의학 정보 마켓플레이스(Marketplace for Medical Information in Intensive Care, MIMIC)-IV-ED 데이터베이스를 사용하여 수행하였다. 외부 데이터의 1% 및 5%를 활용한 전이학습(transfer learning)을 적용하였다. 총 414,748명의 환자가 개발 코호트에 분석에 포함되었으며(AEs, 3.7%), 410,880명의 환자가 외부 타당화 코호트에 포함되었다(AEs, 6.7%). 수정 조기경보 점수(Modified early warning score, MEWS)와 비교하여, 13개 변수를 포함한 TEWS 및 활력징후만을 사용한 TEWS는 모든 AEs에 대해 우수한 예후 예측 성능을 보였다. TEWS의 AUROC는 0.833~0.936 범위였고, MEWS는 0.688~0.874 범위였다. 외부 타당화에서도 TEWS는 AUROC 0.759~0.905로 수용 가능한 변별력을 나타냈다. 전이학습은 성능을 유의하게 향상시켜 AUROC 값을 0.846~0.911로 증가시켰다. TEWS 시스템은 연구 병원의 전자의무기록(EHR) 시스템에 성공적으로 통합되었으며, 응급실 환자에 대해 실시간 위험 평가를 제공하였다. 본 연구는 응급실에서 다중 불리한 결과를 예측하는 인공지능 기반 조기경보 점수 시스템을 개발하고 타당화하였고, 전자의무기록 시스템에 성공적으로 통합하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.