Multimodal clinical decision reinforcement learning for medication management and safety
연구 내용
EHR·영상·바이오시료 등 다중 모달 정보를 임베딩으로 표현하고, 강화학습 및 Markov decision process로 약물 강도·조정 정책을 최적화하며, 위험 신호를 설명가능하게 반영하는 약물치료 의사결정 연구입니다.
고차원 임상 정보를 임베딩 네트워크로 저차원 표현으로 변환한 뒤, 환자 상태 전이를 고려한 Markov decision process 및 강화학습 기반 정책을 구성합니다. 이를 통해 환자의 진행 단계에 따라 처방 강도를 조정하거나 개입 수준을 선택하는 의사결정을 수행합니다. 또한 약물이상반응 및 신장독성 등 안전성을 고려한 안전 인지형 설명가능 학습을 결합하여, 위험한 처치 선택을 회피하는 방향의 의사결정 모델을 설계합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
초기에는 중환자 EHR을 활용해 환자 회복 및 치료 과정에서 단일 측정치가 갖는 한계를 지적하고, 환자 상태 변화를 반영하는 의사결정 모델로 확장했습니다. 이후 Parkinson’s disease에서 다중 모달 특징을 임베딩으로 통합하고, 증상 진행 동역학에 기반한 약물 조정 정책을 제안했습니다. 최근에는 약물 상호작용 임베딩을 트랜스포머로 학습하여 임상 맥락을 강화하고, 신장독성 등 위해 요인을 반영하는 안전성 중심 설명가능 강화학습으로 발전했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Multimodal Reinforcement Learning for Embedding Networks and Medication Recommendation in Parkinson’s Disease
A Decision Support System on Postoperative Care Management of Total Joint Replacement Patients Using Clinical Outcome Measurement
Medication recommendation for Parkinson’s disease based on dynamics of symptom progression
Safety-aware explainable deep reinforcement learning for nephrotoxic medication management in critical care
관련 프로젝트
구분
제목
중환자실 환자들의 개인 맞춤 약물치료를 위한 의사결정시스템 개발: 능동적 약물감시를 통한 약물이상반응 예방
D-BERT: 중환자 EHR을 위한 약물 상호작용 임베딩 기반의 트랜스포머