목적 현대 의료 시스템은 수혈로 인한 혈액 수급의 안정성 및 충분성을 둘러싼 문제, 즉 혈액 부족으로 인해 어려움을 겪고 있다. 본 연구는 수혈과 관련된 국가 오픈 빅데이터를 기반으로 한 인공지능 모델을 활용하여 의료기관의 월별 수혈 요구량을 예측하고자 하였다. 방법 2010년 1월부터 2021년 12월까지 대한민국에서의 혈액형 및 혈액 성분 관련 데이터는 건강보험심사평가원과 통계청으로부터 수집하였다. 자료는 단일 의료기관으로부터 수집하였다. 확보된 정보를 이용하여 eXtreme Gradient Boosting(XGBoost), Light Gradient Boosting Machine(LGBM), category boosting(CatBoost)을 포함한 예측 모형을 개발하였다. 또한 이 세 모형을 결합한 앙상블 모형을 구축하였다. 결과 XGBoost, LGBM, CatBoost의 예측 성능은 AB+ 적혈구(RBCs)에서의 평균절대오차가 14.6657까지, A+ 농축혈소판(PC)에서의 평균절대오차가 84.0433까지의 범위를 보였으며, 제곱근평균제곱오차는 AB+ RBCs에서 18.5374까지, B+ PC에서 118.6245까지의 범위를 보였다. 앙상블 모형을 생성함으로써 오차 범위가 추가로 개선되었으며, 수혈 예측 성능에 영향을 미치는 가장 중요한 변수는 서로 다른 혈액 제제 및 혈액형에 대해 수혈을 요청하는 부서였다. 부서를 제외한 경우, 예측 성능에 영향을 미치는 특성은 각 제제 및 혈액형마다 달랐으며, 여기에는 RBC 항체 선별 검사 횟수, 교차시험, 전국 헌혈 건수, 수술 등이 포함되었다. 결론 혈액 관련 오픈 빅데이터에 기반하여 개발된 혈액 수요 예측 알고리즘은 의료 시설에 대해 적정한 혈액 물량을 사전에 효율적으로 제공할 수 있다.

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