다변량 시계열 클러스터링을 통한 수술 후 회복 궤적의 환자군 분류와 조기 예후

Multivariate time-series clustering for post-surgical recovery trajectories and early prognosis

연구 내용

수술 후 여러 기능 영역의 다변량 시계열을 클러스터링하여 회복 패턴 환자군을 구분하고, 급성기 정보만으로 비호의 예후를 조기에 예측하는 연구입니다.

수술 후 보행·균형·인지·정서·활동 수행 등 여러 기능 영역의 결과를 동시에 사용하여, 환자별 회복 궤적의 패턴을 다변량 시계열 클러스터링으로 분류합니다. 각 클러스터는 회복 최대 수준과 회복 속도에서 차이를 보이며, 도메인 간 상반된 경향도 함께 관찰할 수 있습니다. 또한 급성기 구간의 관측치만으로도 재활 기간의 궤적을 예측하여, post-acute 단계에서의 비호의 회복 가능성을 조기에 식별하는 예후 모델을 구성합니다.

관련 프로젝트

0건

연구 흐름

초기에는 여러 기능 영역의 결과가 개인마다 다른 속도로 회복된다는 임상적 요구를 바탕으로, 단일 지표 기반 접근의 한계를 보완하는 다변량 분석 틀을 마련했습니다. 이후 다변량 시계열 클러스터링을 통해 환자를 회복 패턴이 유사한 그룹으로 나누는 방법으로 확장했습니다. 최근에는 급성기 관측을 입력으로 하여 post-acute의 회복 궤적을 예측하는 방향으로 발전하여, 조기 위험군 선별의 연구로 이어지고 있습니다.

활용 가능성

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

재활 환자군 분류
급성기 기반 조기 예후
도메인별 회복 속도 비교
맞춤형 재활 계획 수립
비호의 회복 위험군 선별
기능 영역 간 회복 상관 파악
수술 후 추적 지표 설계
재활 프로토콜 개인화
정량적 회복 궤적 모니터링
환자 중심 의사결정 지원