목적: 패혈증의 이질적인 특성은 근본 원인을 규명하기 어렵게 하여 진단과 중재의 시기를 지연시킬 수 있다. VitalCare-SEPsis Score(VC-SEPS)는 전자의무기록 데이터를 기반으로 패혈증을 예측하고 환자 상태를 모니터링하는 딥러닝 기반 알고리즘이다. 그러나 패혈증 예측을 위해 의료 인공지능 소프트웨어 알고리즘과 전통적인 점수 체계를 전향적으로 비교한 연구는 많지 않다. 본 전향적 관찰 연구는 패혈증의 조기 예측을 위한 VC-SEPS의 예측 성능과 위험도 층화의 타당성을 검증하고자 하였다. 방법: 본 전향적 관찰 연구에서 한국 대구 소재 계명대학교 동산병원에 입원한 6,797명의 환자에 대해 전자의무기록 데이터를 수집하였다. 분석에 포함된 최종 버전 데이터 세트는 6,455명이며, 이 중 325명이 패혈증으로 진단되었다. 결과: VC-SEPS의 수신자 조작 특성 곡선(ROC) 아래 면적은 0.880으로, 전통적인 점수 체계보다 우수함을 시사하였다. 알고리즘 성능은 24시간 내에서 일관된 경향을 보였다. 환자 입원 초기에서 VC-SEPS는 패혈증 발생 위험과 연관되었고, 패혈증에 대한 작동적 정의에 따른 진단 시점과 비교하여 평균 68.05분의 시간 차로 패혈증을 정확히 예측하였다. 논의: VC-SEPS는 패혈증 위험 점수를 제공함으로써 임상 현장에서 의료진의 조기 진단과 중재를 지원할 수 있다. 신속한 인지는 임상 의사결정 과정에서 인지와 중재 사이의 시간을 유의미하게 단축하는 데 크게 기여할 수 있다. 결론: 본 연구는 임상 의사결정 지원 시스템의 사용이 병원 업무 흐름뿐 아니라 의료 서비스의 질을 향상시키는 데 도움이 될 수 있음을 시사한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.