Interpretable Machine Learning for Predicting Critical Events (Cardiac Arrest and Arrhythmia)
연구 내용
중환자 데이터의 이질성을 고려해 심정지 발생을 조기 경보로 예측하고, 해석가능 설명을 통해 오탐을 낮추는 모델을 구축하며 부정맥의 다단계 예측을 뇌-영감 구조로 학습하는 연구
중환자실에서 심정지 예측의 실사용 장벽으로 지적되는 일반화 문제와 임상 해석성을 함께 다루는 연구를 수행합니다. 다기관/다환경 데이터를 활용해 환자군 및 ICU 하위유형의 이질성을 반영하고, 생체징후 기반 다중 해상도 통계 특징과 유사도 특징을 결합하여 조기 예측 성능을 안정화합니다. 또한 Shapley additive explanation 등 설명 알고리즘을 사용해 의사결정에 필요한 전역·국소 근거를 제시하며, 비용 민감 학습과 교차검증으로 오탐을 줄이는 방향으로 설계합니다. 더 나아가 ECG 기반의 악성 부정맥을 다단계 시계열 예측으로 확장하고, 뇌-영감 처리 단위를 도입해 시간 스케일별 패턴을 학습합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 ICU 환경에서 심정지 발생을 24시간 내 조기에 예측하기 위해, 일반화와 임상 해석성을 동시에 확보하는 해석가능 앙상블 접근을 구성했습니다. 이후에는 하위유형 전반에서 발생하는 오탐 문제를 줄이기 위해 다중 해상도 특징과 유사도 기반 특징을 활용하고, 비용 민감 학습 및 설명 알고리즘으로 임상 적용성을 강화했습니다. 2025년에는 한 단계 예측의 한계를 보완하기 위해 ECG 기반 악성 부정맥을 다단계 예측으로 확장하고, 뇌-영감 정보처리 단위를 통해 단기·장기 시간 패턴을 분리 학습하는 구조를 제시했습니다. 전체 흐름은 예측 성능, 일반화, 해석가능성을 순차적으로 연결하는 형태로 전개되었습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Early Prediction of Cardiac Arrest in the Intensive Care Unit Using Explainable Machine Learning: Retrospective Study
Explainable Artificial Intelligence Warning Model Using an Ensemble Approach for In-Hospital Cardiac Arrest Prediction: Retrospective Cohort Study
A brain-inspired model for multi-step forecasting of malignant arrhythmias