배경: 수술 후 급성 신손상(AKI)은 전신마취 하에서 시행되는 수술과 관련된 중요한 위험으로, 사망률과 이환율을 증가시키는 경우가 흔하다. 수술 후 AKI에 대한 기존 예측 모형은 대개 특정 수술 분야에 국한되어 있거나 외부 검증이 필요하다. 목적: 여러 기계학습 방법을 이용하여 수술 후 AKI에 대한 예측 모형을 구축하고자 하였다. 방법: -score. 결과: 분석한 239,267건의 수술 가운데 7,935건의 수술 후 AKI 사례가 확인되었다. 수술 전 38개 예측 인자를 사용한 모형들은 심층 신경망(deep neural network, AUC=0.832), light gradient boosting machine(AUC=0.836), 로지스틱 회귀(logistic regression, AUC=0.825)가 AKI 위험 예측에서 더 우수한 성능을 보임을 나타냈다. 이후 심층 신경망 모형을 임상에서 사용할 수 있도록 사용자 친화적인 웹사이트로 개발하였다. 결론: 본 연구는 수술 전 데이터를 활용하여 임상 환경에 적용 가능한 견고하고 고성능의 AKI 위험 예측 시스템을 제시한다. 이러한 모형의 사용자 친화적 웹사이트로의 통합은 개인화된 환자 치료 및 위험 관리에서 임상적 유용성을 높이며, 중요한 진전을 제공한다.

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