Timely continuous prediction and anomaly detection for acute deterioration
연구 내용
AKI·패혈증 쇼크·ICU 입실 필요 등 급성 악화 사건을 연속 예측·이상탐지로 감지하고, 시점성을 반영한 경보 체계를 학습하는 연구입니다.
연속 관측되는 환자 상태에서 사건 발생 전후의 시계열 패턴을 학습하여, 일정 시간 범위 내 발병·단계·지속 여부를 예측하는 모델을 구성합니다. LSTM 기반 연속 이상탐지로 초기 저위험 분류 이후의 악화를 순차적으로 감지하고, 데이터-타깃 매핑을 조절하는 데이터-task engineering으로 경보의 시점성을 강화합니다. 또한 대조학습과 임베딩 분리를 통해 pre-shock 및 post-shock 상태를 구분하여, 실시간 모니터링형 경보 성능을 개선합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 응급실에서 ICU 입실이 필요한 환자를 기존 단일 시점 판단을 넘어 연속적으로 추적하는 이상탐지 방향으로 접근했습니다. 이후 AKI에서 소변량 등 지연 문제를 줄이기 위한 연속 예측과 멀티태스크 학습으로 발병 및 중증도 단계를 시간 구간 단위로 추정하는 연구를 수행했습니다. 최근에는 패혈증 쇼크에 대해 조기 예측을 넘어 경보의 타이밍을 통제하는 경보 시스템을 개발하고, shock 지속 여부까지 포함한 연속 예측으로 확장했습니다. 이어 대조학습 기반 표현 학습을 적용해 상태 구분성을 높였습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Advancing Continuous Prediction for Acute Kidney Injury via Multi-Task Learning: Towards Better Clinical Applicability
Sequential Anomaly Detection for Continuous Prediction of Unexpected ICU Admission From Emergency Department
Development of continuous warning system for timely prediction of septic shock
CLEAR-Shock: Contrastive LEARning for Shock