Interpretable NLP for Emergency Triage and Medical Risk Factor Analysis
연구 내용
응급 환자 대화·기록에서 증상과 병력을 추출하고 위험요인을 분석하는 해석가능 의료 AI 연구
응급실에서 수집되는 비정형 텍스트와 대화 정보를 활용해 환자의 증상·병력을 자동으로 정리하고, 질병 발생 가능성을 해석 가능한 방식으로 평가하는 연구를 수행합니다. 음성인식 기반 전사 후 BERT 기반 분류와, 다중 머신러닝 모델에 대한 변수 선택 및 클래스 불균형 보정을 통해 성능과 설명 가능성을 동시에 확보합니다. 또한 SHAP 기반 기여도 분석으로 주요 위험요인을 도출하여 임상 의사결정 지원에 활용될 수 있는 정보로 변환하는 차별성을 보유하고 있습니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 시뮬레이션 응급실 데이터를 대상으로 음성인식과 자연어처리 모델을 결합해 KTAS와 증상을 자동 분류하는 가능성을 확인하였습니다. 이후에는 KNHANES 기반으로 심장·뇌혈관질환의 분류기를 구성하고, 다중공선성 제거와 VIF·Boruta 기반 변수 선택, 데이터 재표본화로 해석가능한 위험요인 분석 파이프라인을 확장하였습니다. 최근에는 응급 삼지에서 의료 증상·병력 탐지 정확도를 높이기 위한 딥러닝 기반 자연어처리로 범위를 넓혀 임상 텍스트 전처리와 모델링을 통합하는 방향으로 연구를 이어가고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Deep learning-based natural language processing for detecting medical symptoms and histories in emergency patient triage
Machine learning-based diagnosis and risk factor analysis of cardiocerebrovascular disease based on KNHANES
Automatic Classification of the Korean Triage Acuity Scale in Simulated Emergency Rooms Using Speech Recognition and Natural Language Processing: a Proof of Concept Study