외상 환자의 예후를 정확하게 예측하는 것은 환자의 생존률을 높이고, 치료 자원을 효율적으로 배분하는 데 매우 중요합니다. 본 연구실은 중증 외상 환자, 특히 고령 환자에서 30일 내 사망률을 예측하기 위한 다양한 임상 지표와 예측 모델을 개발하고 있습니다. 최근에는 Geriatric Trauma Outcome Score(GTOS)와 Trauma and Injury Severity Score(TRISS) 등 기존의 예측 도구의 국내 적용 가능성을 검증하고, 그 한계와 개선점을 분석하였습니다. 또한, 머신러닝 기반의 예측 모델을 도입하여 기존 통계적 방법과의 성능을 비교하고, XGBoost와 같은 최신 기계학습 기법이 외상 환자 예후 예측에 미치는 영향을 분석하였습니다. 이를 통해 의사결정 지원 시스템을 고도화하고, 임상의들이 환자 맞춤형 치료 전략을 수립할 수 있도록 돕고 있습니다. SHAP 분석을 통해 예측 모델의 주요 변수(예: Glasgow Coma Scale, 수혈량 등)를 도출하여 임상적 해석 가능성을 높였습니다. 이러한 연구는 고령 환자뿐만 아니라 다양한 연령대의 외상 환자에게 적용할 수 있는 예측 도구 개발로 이어지고 있습니다. 궁극적으로는 외상 환자의 치료 성과를 극대화하고, 중환자실 자원 활용의 효율성을 높이며, 환자 개개인에 맞는 맞춤형 치료 방안을 제시하는 데 기여하고 있습니다.

외상으로 인한 복부, 흉부, 골반 등 주요 장기의 손상은 환자의 생명을 위협하는 중대한 문제입니다. 본 연구실은 외상성 장기 손상의 진단, 치료, 그리고 예후에 관한 다양한 임상 연구를 수행하고 있습니다. 특히, 혈관 색전술(angioembolization), 스텐트 삽입술, ECMO 등 중재적 시술의 임상적 효과와 안전성에 대한 다수의 사례 연구와 후향적 분석을 통해 치료 가이드라인을 제시하고 있습니다. 예를 들어, 고령 환자의 안정형 골반 골절에서 corona mortis로 인한 대량 출혈의 위험성을 규명하고, CT 영상에서 거대 혈종이 관찰되는 경우 외부 장골 동맥의 색전술 필요성을 강조하였습니다. 또한, 외상성 간 손상, 신장 동맥 가성동맥류, 비장 동맥류 등 다양한 장기 손상에 대한 중재적 치료 성공 사례를 축적하여, 복잡한 해부학적 변이와 혈관 접근의 어려움을 극복하는 임상적 노하우를 공유하고 있습니다. 이러한 연구 결과는 외상 환자에서 신속하고 정확한 진단 및 치료 전략 수립에 실질적인 도움을 주고 있으며, 중재적 시술의 적응증과 한계, 그리고 장기적 예후에 대한 근거 기반의 지침 마련에 기여하고 있습니다. 더불어, 드문 합병증(예: ECMO 적용, 장간막 이소골화 등)에 대한 임상 경험을 바탕으로 외상 치료의 안전성과 효과를 높이고 있습니다.

외상 환자는 중환자실(ICU)에서 다양한 합병증에 노출될 위험이 높습니다. 본 연구실은 외상 환자에서 발생하는 급성 신손상(AKI), 인공호흡기 관련 폐렴(VAP), 저체온증, 지방색전증 등 주요 합병증의 위험인자와 예방 및 관리 전략에 대해 심도 있게 연구하고 있습니다. 예를 들어, AKI 발생 위험인자를 규명하고, 머신러닝 기반 예측 모델을 통해 조기 위험군을 선별함으로써, 집중 치료의 효율성을 높이고 있습니다. 또한, 인공호흡기 관련 폐렴의 위험인자로는 손상 중증도, 혈관수축제 사용, 비위관 삽입 등이 독립적으로 확인되었으며, 이를 바탕으로 감염 예방 프로토콜을 제안하였습니다. Dexmedetomidine과 같은 진정제 사용 시 발생할 수 있는 저체온증의 임상적 중요성을 사례 연구를 통해 제시하고, 적극적인 체온 관리의 필요성을 강조하였습니다. 이외에도, 계절 및 기상 요인이 외상 환자 발생률에 미치는 영향, 항응고제 및 항혈소판제 복용 환자에서의 출혈 위험과 수혈 요구량, 고령 환자에서의 특이적 임상 경과 등 다양한 주제를 다루고 있습니다. 이러한 연구는 외상 환자 중환자 관리의 표준화와 합병증 예방, 그리고 환자 안전성 증진에 중요한 역할을 하고 있습니다.