의료 시계열·그래프 기반 임상 사건 예측 및 결손 보정

Medical Time-Series and Graph-Based Clinical Event Prediction with Missing Data Imputation

연구 내용

환자 시계열 데이터를 그래프 어텐션과 순환·생성 모델로 처리하고 결측을 보정해 응급 및 임상 악화 이벤트를 조기 예측하는 연구

입원 환자와 같은 임상 환경에서 발생하는 이벤트를 조기에 탐지하기 위해 시계열 예측 모델을 구성합니다. 결측이 존재하는 종단 자료에서는 결측 값을 추정하는 모듈과 진행 점수 계산을 결합해 다중 작업 예측을 수행합니다. 신속대응팀 알림을 위한 문제에서는 대비 학습과 비대칭 손실을 활용해 표현 편향을 완화하고, 일정 시간 창 내 임상 상태 변화를 예측해 알람을 트리거합니다. 중환자실 악화 탐지에서는 특징 도메인과 시간 도메인을 분리한 듀얼 채널 그래프 어텐션 네트워크로 상관성과 태스크 관계를 학습하며 다중 작업 불균형 영향을 줄입니다. 또한 변분 오토인코더 기반 접근으로 병원 내 예측에 필요한 잠재 표현을 학습하는 방향으로 연구를 수행합니다. 뇌 연령 예측 장치 특허를 통해 영상 기반 예측 파이프라인도 구현합니다.

관련 프로젝트

6건

연구 흐름

첫 단계에서는 종단 환자 자료에서 결측 관측이 예측을 저해하는 문제를 다루기 위해 결측 보정 모듈과 순환 네트워크를 결합한 예측 구조를 확립했습니다. 이후 응급 상황을 조기 식별하기 위해 시간 창 내 임상 상태를 예측하는 Siamese temporal 모델 계열로 확장하고, 대비 학습과 비대칭 손실로 학습 안정성을 확보했습니다. 이어지는 단계에서는 특징-시간 상관을 동시에 반영하기 위해 듀얼 채널 그래프 어텐션 기반 다중 작업 학습을 도입해 임상 악화 탐지 성능을 개선했습니다. 최근에는 변분 오토인코더 기반 병원 예측을 포함하여 잠재 표현 학습까지 범위를 넓혔으며, 뇌 연령 예측 장치와 같은 응용 구현으로 연결하는 흐름을 보입니다.

활용 가능성

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

조기 응급 알림 시스템
중환자실 악화 예측 모델
종단 환자 상태 추적
결손 데이터 보정 모듈
클리니컬 의사결정 지원
신뢰도 기반 경보 정책
병원 예측용 데이터 파이프라인
영상 기반 뇌 연령 추정
개인화 위험도 스코어링
임상 이벤트 모니터링 대시보드