연구목표: NeuroCast는 3가지 인공지능이 통합된 조기 신경학적 악화 예측 최종 인공지능 모델 중 뇌 영상 기반 병변 검출 모델 성능을 고도화 하고자 함. 이에 안전성 및 유효성 검증을 입증하기 위하여 추가 임상시험을 진행하고자 함. LucaCast는 통합 폐암발생 예측 복합 인공지능 모델 개발을 위해 향후 5년 이내 폐암 발생 및 결절의 양성/음성을 진단 분류하는 모델을 추가 개발하고자 함. 이를 통해 모델의 정밀도를 상승시키고자 하며, 복합 모델의 완성도를 높이고자 함. 연구내용: 현재 NeuroCast 모델에 사용된 인공지능은 U-Net 기본 모델을 활용하며 많은 연구와 응용에서 널리 사용되고 있음. 하지만 개발된지 어느 정도 시간이 흐른 모델로 성능에 한계가 있을 수 있음. 따라서 본 연구를 통해 최신 병변 검출 인공지능 모델을 활용하고자 하며 병변 가장자리의 정확도를 높이는 Boundary Attention 모델을 추가하여 병변 검출 정확도를 높일 예정임. 본사는 LucaCast 모델 중 폐 영역을 자동 분할하는 딥러닝 알고리즘과 자동분할 된 폐 영역을 분석하는 폐암발생 위험도 평가 딥러닝 알고리즘을 개발한 바 있음. 해당 알고리즘을 통해 본 과제에서는 폐 실질 영역을 분할하고, 폐 실질 영역에서 결절이 존재할 경우 해당 결절이 양성인지 음성인지 판단하는 결절 진단 분류 알고리즘을 적용함. 향후 5년 이내 폐암 발생 확률을 예측함으로써 복합 인공지능 모델 개발을 완성할 것임. 기대효과: 국내 데이터 중심병원, 뇌졸중 레지스트리인 CRCS-K를 통해 임상연구 기반 역학자료를 확보하고, 다기관 협동 임상연구 시험을 진행할 예정임. 또한 관련학회를 통하여 시장 접근성을 확대하고 추후에는 뇌졸중 센터 미보유 기관으로의 사업 확장 예정임. 또한 주요 의료기관 및 건강검진 기관 파트너십 구축을 통해 서비스 개선 피드백 수렴 예정이며, 해외 성장 프로그램 참여 및 북미 3곳 거점병원에서의 MOU 체결을 통해 해외 진출을 추진할 것임. 이에 질병 예방 분야의 새로운 패러다임 제시를 기대하며, 산업적 기대효과로 본 의료기기 시장진입을 통해 인공지능 기반 질병 발생 예측 기술의 발전과 이로 인한 질병 예방 분야의 새로운 패러다임 제시가 가능할 것임. 경제적 기대효과로 뇌 질환의 조기 감지로 치료 기회를 높이며, 의료기관의 진료 효율성을 향상시키고 환자에게 정확하고 효과적인 치료를 제공하여 의료비용 절감 기대가 가능함. 또한 폐암 발생 확률이 높은 특징 직업군 또는 산업장의 근로자 특수건강검진에 활용하여 노동력 관리 및 산업재해율 감소 기대가 가능함. 사회적 기대효과로 개인 맞춤형 치료 접근법을 통해 환자들에게 더 효과적이고 개인화된 의료 서비스를 제공함으로써 사회적인 공평성과 치료 효과의 향상을 기대할 수 있음. 현재 암 진단 시 암 중증환자 산정특례 제도를 통해 5%의 개인부담 이외 비용은 세금에서 충당되고 있으나, 본 과제를 통해 폐암 조기진단율을 높여 공공이 부담하는 비용 절감 기대가 가능함.

연구목표: 신경계 중환자들은 다른 중환자들과는 달리 모니터링 지표가 다르며 특히 뇌의 기능을 반영하는 다른 모니터링 지표를 이용할 필요가 있음. 현재 국내외 가장 많이 사용되고 있는 중환자실 입실 환자의 중증도 평가 도구 및 사망률 예측 지표점수에서 신경계 중환자실이나 신경계 환자들이 차지 하는 비율이 없거나 적음. 이에 중환자에서 신경학적 예후 예측을 할 수 있는 모델을 만들어서 실제 임상에 적용하여 중환자 치료에 적용하고자 함. 연구내용: 중환자실 재원환자 신경학적 상태 실시간 예측 모델 개발 - 중환자실 환자 신경학적 악화 예측 신경계 중환자 특화 합병증 및 주요지표 예측 모델 개발 - 신경계 중환자 지표예측 I: 중환자실 내 사망률 예측 - 신경계 중환자 지표예측 II: 중환자실 치료기간 예측 - 신경계 중환자 삼투압요법시 급성신장손상 예측 - 신경계 중환자 발관성공 예측 신생아대상 신경학적 합병증 및 예후 예측 모델 개발 - 조산아에서 뇌실내출혈 발생과 뇌신경발달지연 예측 기대효과: 활용계획 - 모델링을 통한 예측 도구를 개발하여 의료진의 Decision making을 supporting 가능 - Alarm system: 환자에게도 적절한 처치를 적시성 있게 받을 수 있는 도구로 환자의 예후에도 큰 도움이 될 것을 기대 - Support system: 의료진의 시간과 부담을 줄일 수 있으며, 그에 따른 의료진의 정확한 의료적인 판단에 대한 도움. - 모델링을 통한 예측 도구의 보급 공동연구를 통한 검증을 한 이후에 이를 통한 도구를 웹이나 앱으로 구현 이미 기록된 혹은 실시간 데이터를 이용한 EMR 정보를 의료진이 원하는 결과로 쉽게 얻을 수 있게 구현 기대효과 - 모델 예측을 통한 한국인에 맞춤형 중환자에 대한 예측 도구를 만들어 해외의 사례에 의존할 수 밖에 없는 부분에 대한 기술의 국산화 가능함. - 기술적으로 의료현장의 데이터를 이용하여 의료현장에서 적용할 수 있는 예측모델에 대한 머신러닝 기술을 확보하는 측면이 있음. - AI 기반 CDSS 도구를 통한 빠른 의사결정에 도움은 시기적절한 의료진 개입을 지지하고 의사결정을 위한 각종 검사 횟수를 줄일 수 있을 뿐만 아니라 더 나아가 중환자실의 재원 기간 및 사망률을 줄이고 의료비용 절감 효과를 기대할 수 있음.

.