응급·중환자 위험도 예측과 의료자원 배분을 위한 임상 AI

Clinical AI for Emergency/ICU Risk Prediction and Triage

연구 내용

응급실 및 중환자 환경에서 축적된 다기관 임상정보와 생체 관련 특징을 활용해 사망 위험 및 중증도를 예측하는 임상 의사결정 AI를 개발하는 연구

응급실(ED) 및 외상 환자 데이터에서 triage 스케일, 활력징후, ICD-10 기반 상병정보와 처치/절차 특성 등을 입력으로 하여 다수 모델을 결합한 예측 구조를 구성합니다. 딥러닝 기반 앙상블은 환자 특성의 비선형 관계를 반영하도록 설계하며, 입력 변수 구성에 따른 성능 변화를 비교하여 임상적으로 해석 가능한 특징 영향을 함께 검토합니다. 또한 최종 위험도 산출 결과를 웹 접근형 도구로 제공하여 의료진의 초기 분류 및 조기 진단 판단을 지원하는 방향으로 연구를 수행합니다.

관련 프로젝트

2건

연구 흐름

초기에는 2016~2019년 다기관 응급실 정보(NEDIS)를 활용해 ED 환자의 사망 위험을 예측하는 모델을 구축하고, 전체 특징과 ICD-10 포함/제외 입력 세트를 비교하는 방식으로 변수 효용을 확인했습니다. 이후 2022년에는 외상 환자의 입원 중 사망 예측 모델을 확장하여 triage 및 절차 코드 등 임상 요소를 반영하는 앙상블 딥뉴럴네트워크(EDNN)로 연구를 심화했습니다. 2020년대 초에는 SAVE-U 과제에서 ICU 환자 위험도 예측 솔루션의 검증과 사업화 방향을 병행했고, 2024년부터는 미래 응급의료 멀티모달 AI로 중증도 및 출혈 등 위험요인을 다각도로 결합하려는 흐름으로 확장되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

응급실 환자 사망위험도 예측
외상 중증도 기반 조기 분류
ICU 환자 위험도 예측 솔루션
triage 스케일 연계 임상 의사결정
ICD-10 기반 상병 특징 활용
의료기기 수준 검증을 위한 모델 설계
웹 기반 위험도 계산 도구
다기관 데이터 일반화 검증
특징 기여도 기반 설명형 분석
초기 자원 배분 지원 모델