영양 관련 검사 기반 ICU 사망 예측과 해석가능 AI 연구

Explainable AI Mortality Prediction Using Nutrition-Related Laboratory Tests in ICU

연구 내용

중환자실에서 trace elements, vitamins, cholesterol, prealbumin의 임상적 조합이 예후에 미치는 영향을 규명하고 해석가능 AI로 사망 위험을 예측하는 연구

중환자실에서 영양 관련 생체지표는 치료 방향을 정하는 데 활용 가치가 있습니다. 본 연구는 ICU 입원 환자의 혈청 검사 데이터를 기반으로 trace elements, vitamins, cholesterol, prealbumin의 집합적 영향을 모델링합니다. CatBoost, XGBoost, LGBM, MLP를 비교하고 앙상블을 통해 예측 성능을 높이며, SHAP 기반 해석을 적용하여 prealbumin, 점수 기반 중증도, 연령 등 핵심 기여 요인을 도출합니다. 이를 통해 영양 관리와 사망 예측을 연결하는 근거를 제시하는 차별성이 있습니다.

관련 프로젝트

0건

연구 흐름

초기에는 ICU 환자 검사 기록을 후향적으로 수집하여 trace elements, vitamins, cholesterol, prealbumin 및 중증도 정보를 정리하는 데이터 기반 설계가 수행되었습니다. 이후 머신러닝 분류 모델을 개별 적용하여 예측 성능의 차이를 평가하고, 상호 보완성을 고려한 앙상블 접근으로 안정적인 예측 체계를 구성했습니다. 2024년에는 SHAP을 통해 모델이 반영하는 요인을 시각화하여 임상에서 확인 가능한 기여 인자를 제시하는 방향으로 확장했습니다.

활용 가능성

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

ICU 환자 영양 위험도 스크리닝
개인맞춤 영양 중재 의사결정
검사 항목 기반 조기 예후 예측
SHAP 기반 임상 근거 제시
영양 바이오마커 모니터링 프로토콜
임상시험 설계의 대리지표 설정
병상 우선순위 산정 보조
영양 보충 반응성 평가
다기관 데이터 통합 예측체계 구축
중환자실 영양 관리 품질지표 개발