RnDCircle Logo
김수진 연구실
고려대학교 의학과 김수진 교수
응급의학
심정지
심폐소생술
김수진 교수 연구실
기본 정보
연구 분야
프로젝트
논문
구성원

김수진 연구실

고려대학교 의학과 김수진 교수

김수진 연구실은 응급의학 및 중환자의학 분야에서 심정지 환자와 응급실 환자의 임상 의사결정을 지원하는 연구를 수행합니다. out-of-hospital cardiac arrest에서 CPR 지속시간, mean arterial pressure, ROSC 후 변수의 연관성을 기계학습으로 규명하고, ECG 리듬 분류 및 신경학적 예후 예측 decision support system으로 연결합니다. 또한 응급실 overcrowding을 고려해 조기 hospitalization prediction과 단계별 critical illness 예측 모델을 개발합니다. 더불어 다중 모달 cerebral oximetry 신호를 활용한 뇌 산소포화도 예측 및 뇌 기능 이상 예측 시스템을 확보하고, 측정 장치 기반 데이터 수집 체계를 구축합니다.

응급의학심정지심폐소생술ECG 리듬분류뇌 산소포화도 예측
대표 연구 분야
연구 영역 전체보기
심정지 치료 과정의 최적화와 신경학적 예후 예측 연구 thumbnail
심정지 치료 과정의 최적화와 신경학적 예후 예측 연구
Optimization of resuscitation process and neurological outcome prediction in cardiac arrest
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.

5개년 연도별 논문 게재 수

62총합

5개년 연도별 피인용 수

601총합
주요 논문
5
논문 전체보기
1
Article
|
인용수 2
·
2025
Optimal mean arterial pressure for favorable neurological outcomes in patients after cardiac arrest
Sijin Lee, Kwang‐Sig Lee, Kap Su Han, Juhyun Song, Sung Woo Lee, Su Jin Kim
IF 4.7 (2025)
Journal of Intensive Care
배경: 심정지 이후 최적 평균동맥압(MAP) 범위는 아직 불확실하다. 본 연구는 소생술 후 초기 기간 동안 MAP과 신경학적 예후 간의 연관성을 조사하고, 양호한 예후와 관련된 최적 MAP 범위를 규명하고자 하였다. 방법: 본 후향적 관찰 연구에는 3차 의료기관에서 치료받은 심정지 후 환자 291명이 포함되었다. 자발순환회복(ROSC) 후 처음 24시간 동안의 시간당 MAP 측정치를 이용하여 양호한 신경학적 예후를 예측하기 위한 5개의 머신러닝 모델을 비교하였으며, 성능이 우수한 Random Forest 모델을 선택하였다. 변수 중요도와 Shapley Additive exPlanations(SHAP)를 사용하여 MAP과 양호한 신경학적 예후 간의 연관성을 분석하였다. SHAP 의존성 플롯을 이용하여 양호한 예후와 관련된 최적 MAP 범위를 확인하였다. 또한 국소적으로 해석 가능한 모델-불가지(agnostic) 설명인 LIME 및 SHAP force plot을 통해 개별 수준의 예측을 해석하였다. 결과: 머신러닝 분석 결과, MAP은 양호한 신경학적 예후와 연관되었으며, ROSC 후 처음 6시간 동안 변수 중요도가 더 높게 나타났다. SHAP 분석에서는 MAP과 양호한 신경학적 예후 간에 역U자형(inverted U-shaped) 관계가 관찰되었고, 최적 역치가 79.56 mmHg(IQR: 73.70-82.54)로 확인되었다. 이 역치는 초기(1-6시간: 79.26 mmHg) 및 후기(7-24시간: 80.09 mmHg) 시간대 모두에서 일관되게 유지되었다. SHAP 및 LIME을 이용한 개별 수준의 설명은 소생술 후 초기 기간 동안 더 높은 MAP을 유지하는 것이 예후 예측에 긍정적으로 기여함을 시사하였다. 결론: 머신러닝 분석은 MAP을 양호한 신경학적 예후의 주요 예측인자로 확인하였으며, ROSC 후 처음 6시간 동안 변수 중요도가 더 높았다. MAP은 양호한 신경학적 예후와 역U자형 관계를 보였고, 최적 역치는 약 80 mmHg였다.
https://doi.org/10.1186/s40560-025-00814-x
Return of spontaneous circulation
Medicine
Mean arterial pressure
Observational study
Resuscitation
Blood pressure
Anesthesia
Cardiology
Emergency medicine
Internal medicine
2
Article
|
·
인용수 0
·
2025
Impact of Targeted Temperature Management on Outcome in the Patients with Extracorporeal Cardiopulmonary Resuscitation: A Retrospective Analysis of a Nationwide Multicenter Study in South Korea
Su Jin Kim, Eunbi Noh, Sijin Lee, Juhyun Song, Kap Su Han, Sung Woo Lee
IF 4.6 (2025)
Resuscitation
https://doi.org/10.1016/s0300-9572(25)00529-5
Multicenter study
Targeted temperature management
Extracorporeal
Outcome (game theory)
Retrospective cohort study
MEDLINE
3
Article
|
인용수 3
·
2024
A Machine Learning-Based Decision Support System for the Prognostication of Neurological Outcomes in Successfully Resuscitated Out-of-Hospital Cardiac Arrest Patients
Sijin Lee, Kwang‐Sig Lee, Sang Hyun Park, Sung Woo Lee, Su Jin Kim
IF 2.9 (2024)
Journal of Clinical Medicine
우리는 기계학습을 사용하여, 병원 밖 심정지(OHCA) 환자 중 성공적으로 소생된 환자에서 신경학적 예후가 양호한 데 주요하게 기여하는 결정 요인을 규명하였다. 본 연구는 무작위 포레스트(random forest)가 각 층화 하위집단(병원 전 ROSC 및 EMS에 의해 처음 관찰된 심율동)에 대해 효과적인 의사결정 보조 시스템으로서의 강점을 보여주며, 그 하위집단마다 병원 내 주요 변수(병원 내 심폐소생술[CPR] 소요 시간, 소생 후 pH, 연령 및 헤모글로빈)에 대한 각자의 최적 절단값(cut-off points)을 찾아내도록 한다.
https://doi.org/10.3390/jcm13247600
Medicine
Return of spontaneous circulation
Cardiopulmonary resuscitation
Emergency medicine
Resuscitation
Emergency department
Emergency medical services
Targeted temperature management
Internal medicine
Cardiology
최신 정부 과제
6
과제 전체보기
1
2024년 7월-2025년 7월
|80,335,000
의약품·유해물질 오남용 예방 및 신속한 응급처치를 위한 자연어 처리 AI 기반 중독질환 상담 서비스 기술 개발
의약품·유해물질 오남용 예방 및 신속한 응급처치를 위한 자연어 처리 AI 기반 중독질환 상담 서비스 기술 개발을 위해,1. 인체 유해물질, 의약품 및 중독질환 상담 데이터를 확보하여 데이터베이스화 하고, 2. 우수한 자연어 처리 기술을 통한 AI 기반 중독질환 상담 서비스를 개발하여, 3. 헬스케어 플랫폼 내 중독질환 상담 원스톱 연계 서비스 구축을 통해새...
유해물질
중독질환
상담서비스
인공지능
자연어처리
2
2024년 4월-2027년 4월
|291,557,000
인공지능기반 웨어러블 패치를 이용한 심폐소생술 파형 아형 분석 및 품질 피드백을 위한 통합 임상의사결정지원시스템 개발
* [심전도 심박변이 분석과 위험도 예측] 생체신호인 심전도 분석으로 심박변이 인공지능 기반 분석* [심폐소생술 파형 아형 분류] 시뮬레이터, 임상 심정지 환자의 환자 모니터 데이터를 이용한 인공지능 기반 심폐소생술 파형 아형 분류 알고리즘 개발* [단일 웨어러블 패치를 이용한 심폐소생술 가슴압박 품질 측정] 단일 웨어러블 패치를 통해 추출된 가속도 데이터...
응급의학
심정지
심폐소생술
웨어러블
인공지능
3
주관|
2020년 10월-2022년 4월
|80,000,000
(주관)다중 O2 센서를 이용한 산소포화도 측정 시스템 (보템 센서 VS 마시모 센서) 사용에 따른 뇌산소포화도 감시 비교
□ 1차 연도 ① 연구개발 내용 및 범위연구개발 내용 및 범위◯ 주관기관 (고려대학교 산학협력단)- 임상시험 기반 구축 ▹ 임상시험계획서 검토 및 보완 ▹ 기관IRB 신청 및 승인▸ 80% power, alpha error 0.05 수준에서 two sample t-test로 5%의 평균 차이를 검정하기위해서는 14명의 대상이 필요함. 최소 시험군, 대조군 각각 14명의 대상이 필요하며 탈락률 10% (N*= N/(1-탈락율0.1) 로 16명의 피험자가 요구됨- 대상자 모집 ▹ 고려대학교 안암병원 권역응급의료센터(김수진, 이성우교수) 의 협업 네트워크를 활용 ▹ 인터넷 공고 및 병원 내 공고 시스템을 활용하여 대상자 모집 진행- 대상자 선별  선정기준 1. 만20세 이상-45세이하 성인 2. 기저질환이 없는 건강한 성인 3. 임상시험에 동의한 환자  제외기준 1. 고혈압, 당뇨, 뇌혈관질환, 심장질환, 만성 호흡기 질환자, 빈혈 등 혈액질환 등 2. 황달 등으로 흡광에 영향을 미치는 피부색차이가 있는 환자 3. 흡연자 등 4. 두부 외상/뇌졸중, 목동맥 수술, 목동맥 협착, 심장수술 등으로 좌우반구 뇌산소포화도가 차이가 있을 수 있는 환자 5. 임산부, 피부 과민 반응자, 외국인 등◯ 참여기관 1 ((주) 보템)- 임상시험 기기 준비 : 환자감시장비 VP-1200지원 (2대) 및 반사형 광센서(보템 센서) 지원, 데이터 추출□ 2차 연도 ① 연구개발 내용 및 범위◯ 주관기관 (고려대학교 산학협력단)- 임상시험 수행 및 내용 ▹ 기존 비침습적 산소포화도 측정 시스템인 보템 환자감시장치(VP-1200)2대에 각각 반사형광센서 2개를 사용하여 하나는 목혈관 산소포화도를 측정하고, 다른 하나는 이마에 부착하여 두부(頭部)의 산소포화도를 측정하여 2개의 측정값 데이터를 이용해서 산술적으로 뇌산소포화도 계산식을 개발하고 계산된 뇌산소포화도 값과 Masimo 펄스옥시미터(O3 Regional Oximeter Module) 및 O3센서의 사용에 따른 비침습적 뇌산소포화도 감시 측정 효과를 비교하여 유효성을 검증하고자 함- 임상시험 모니터링 ▹ 임상시험수탁기관(Contract Research Organization, CRO)를 통하여 진행되고 있는 임상시험 모니터링 실시- 임상 데이터 수집 및 관리 ▹ 본 과제에 참여하고 있는 연구자들만 접근할 수 있도록 보안성이 확보된 공간에 임상 데이터 수집 및 관리- 수집된 임상데이터 분석 ▹ 비교임상연구 결과 평가 항목 (DATA)- 유효성 평가 ▹ 한 환자에서 이마 중 한쪽은 reference가 되는 기존 제품인 Root with O3 Regional Oximetry (Irvine, USA), 다른 한쪽은 VP1200 (Botem, South Korea) 뇌산소포화도 감시 장비를 거치하여 두 군을 비교 분석 ▹ 변수들의 기술통계는 빈도(%), 평균±표준편차, 또는 중앙값과 사분위 범위로 제시하며, 두 군간의 차이는 범주형 변수는 Chi-square test 또는 Fisher's exact test로 비교, 연속형 변수는 정규성 여부에 따라 t-test, 또는 Mann-Whitney test를 실시 ▹ Bland-Altman plot은 두 감시기기의 측정 및 계산된 뇌산소포화도 수치의 일치도를 평가- 임상시험 결과보고서 작성 ▹ 분석된 결과들을 바탕으로 임상시험 결과보고서 작성 ◯ 참여기관 1 ((주) 보템)- 임상시험 기기 준비 : 환자감시장비 VP-1200지원 (2대) 및 반사형 광센서(보템 센서) 지원, 데이터 추출
뇌산소포화도
근적외분광법
환자감시장비
생체신호
조직산소포화도
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
공개2023전자의무기록의 데이터 리샘플링 방법 및 그 시스템1020230105512
등록2022뇌 기능 예측 시스템 및 방법1020220101913
등록2022뇌 산소포화도 측정 장치 및 방법1020220092345
전체 특허

전자의무기록의 데이터 리샘플링 방법 및 그 시스템

상태
공개
출원연도
2023
출원번호
1020230105512

뇌 기능 예측 시스템 및 방법

상태
등록
출원연도
2022
출원번호
1020220101913

뇌 산소포화도 측정 장치 및 방법

상태
등록
출원연도
2022
출원번호
1020220092345

주식회사 디써클

대표 장재우,이윤구서울특별시 강남구 역삼로 169, 명우빌딩 2층 (TIPS타운 S2)대표 전화 0507-1312-6417이메일 info@rndcircle.io사업자등록번호 458-87-03380호스팅제공자 구글 클라우드 플랫폼(GCP)

© 2026 RnDcircle. All Rights Reserved.