딥러닝 기반 개인화 알림을 통한 소아 천식 악화 예방 연구

Deep Learning–Driven Personalized Alerts for Preventing Pediatric Asthma Exacerbations

연구 내용

개인 PM2.5 모니터링과 딥러닝 예측을 결합해 민감 환자를 선별하고 맞춤 행동권고 알림을 제공하는 연구

소아 천식은 PM2.5 노출에 대한 개인별 반응 차이가 커서, 동일한 생활수칙 권고만으로는 악화 예방 효과가 제한될 수 있습니다. 본 연구는 개인 PM2.5 모니터링과 증상 보고 데이터를 기반으로 민감 환자를 선별하고, 딥러닝 모델로 악화 위험을 시간적으로 예측합니다. 이후 예측 결과에 따라 개인별 알림과 행동 권고를 제공하며, 지역 공기질 예측을 사용하는 방식과 비교하여 개입 효과를 평가합니다. 다기관 파일럿 운영을 통해 실제 사용 가능성과 임상적 유용성을 함께 검증하는 데 목적이 있습니다.

관련 프로젝트

1건

연구 흐름

초기 단계에서는 개인 노출 측정 데이터를 임상 증상 정보와 연결하고, PM2.5 민감도에 기반한 환자군 구분 전략을 구성하는 데 집중하였습니다. 이후 1D CNN–LSTM 기반의 악화 예측 모델을 구축하여 개별 예측 신호로부터 맞춤형 행동 권고를 생성하는 흐름으로 진행되었습니다. 다음 단계에서는 다기관 참여자를 대상으로 개입군과 비교군을 설계하고, 예측 기반 알림이 환자별 악화율 변화에 미치는 영향을 파일럿 연구 형태로 검증하였습니다. 최근에는 개인화 예측 기반 개입의 확장 가능성을 확인하고, 추가 검증을 위한 후속 연구 방향을 정리하는 단계에 있습니다.

활용 가능성

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

PM2.5 민감군 선별 로직
개인화 행동 권고
원격 천식 관리 앱
악화 예측 임상 의사결정지원
예측 기반 생활수칙 연계
자녀 증상 모니터링 체계
모델 기반 위험도 알림
다기관 임상연구 운영 프로토콜
개입 효과 평가 프레임
디지털 치료 전략 설계