생체신호·임상데이터 기반 환자 위험예측 및 의사결정 지원

Patient Risk Prediction and Clinical Decision Support from Biosignals and EHR-like Data

연구 내용

임상 변수와 생체신호를 이용해 자살사고·폐색전·수술 후 상태 악화·대량수혈 위험 등을 예측하고, 해석 가능한 점수 시스템과 모델을 검증하는 연구

후향적 코호트 및 다기관 데이터를 활용해 자살사고 발생 가능성, 폐색전 위험, 수술 중·주변기 상태 악화, 대량수혈 필요성 등을 예측하는 기계학습·점수 시스템을 개발합니다. Wells score·D-dimer, 활력징후, 혈역학 모니터링 등 임상 입력을 표준화하고, 앙상블 기반 학습 또는 로지스틱 회귀 기반 스코어링으로 의사결정에 필요한 입력-출력 관계를 구축합니다. 또한 PPG 신호의 파생 특징을 이용한 해석가능 모델을 통해 고혈압 탐지 보조로 확장합니다. 수술 후 저산소증 예측처럼 실시간 신호 기반 예측 모듈을 특허로 구현하며, 다기관 데이터 구축과 데이터 유용성 검증을 통해 실사용 적용 가능성을 높입니다.

관련 프로젝트

2건

연구 흐름

연구는 2022년 자가보고 설문에 의존하던 문제를 줄이기 위해 뇌졸중 환자에서 자살사고 예측 모델을 임상 변수 중심으로 설계하고, 부스팅 계열 모델 비교를 통해 성능 차이를 확인하는 방향으로 시작되었습니다. 이후 2023년에는 수술 중 스파이로메트리 신호를 실시간 분석하여 수술 후 저산소증을 예측하는 시스템을 특허화했습니다. 2024년에는 폐색전 위험 예측, 수술 중 대량수혈 예측, 경증 COVID-19 악화 예측으로 확장하면서 다기관 검증과 운영 가능한 스코어 구성에 집중했습니다. 2025~2026년에는 PPG 기반 해석가능 고혈압 탐지와 항경련제 반응의 개인화 예측 관련 연구로 정밀의료 범위를 넓혔습니다.

활용 가능성

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

자살사고 고위험군 선별
폐색전 발생 예측
불필요 CTPA 의사결정 보조
수술 중 대량수혈 위험 예측
경증 감염 악화 사전 경보
수술 후 저산소증 예방 지원
PPG 기반 혈압 이상 탐지
개인화 약물 반응 예측 보조
다기관 데이터 기반 예측 스코어
임상 변수 기반 모델 입력 표준화