END(조기 신경학적 악화, Early Neurological Deterioration) 예측 장치에서 수행되는, 복수의 인공지능 모델을 이용하여 환자의 END를 예측하는 방법에 있어서,통신부에서, 서버로부터 상기 환자의 원본 뇌영상 및 임상 정보를 획득하는 단계;제 1 분석부에서, 뇌영상에 대한 병변 분석을 수행하는 제 1 인공지능 모델에 상기 원본 뇌영상을 입력하여 상기 원본 뇌영상의 병변 영상을 출력하는 단계;제 2 분석부에서, 상기 원본 뇌영상 및 상기 병변 영상을 제 2 인공지능 모델에 입력하여 상기 환자의 상기 END의 발생 확률인 제 1 확률값을 출력하는 단계;제 3 분석부에서, 상기 임상 정보를 제 3 인공지능 모델에 입력하여 상기 환자의 상기 END의 발생 확률인 제 2 확률값을 출력하는 단계; 및최종 확률값 분석부에서, 상기 제 1 확률값 및 상기 제 2 확률값에 기초하여 상기 환자의 상기 END의 발생 확률인 최종 확률값을 산출하는 단계;를 포함하는, END 예측 방법.

제 1 항에 있어서,상기 병변 영상을 출력하는 단계는상기 원본 뇌영상을 2차원 원본 뇌영상으로 변환하는 단계;상기 제 1 인공지능 모델을 통해 상기 2차원 원본 뇌영상에 대한 병변 분석을 수행하여 병변 위치 및 병변 형상의 특징을 검출하는 단계; 및상기 검출된 병변 위치 및 병변 형상의 특징을 표시한 3차원 병변 영상을 출력하는 단계;를 포함하는, END 예측 방법.

제 1 항에 있어서,상기 제 1 확률값을 출력하는 단계는,상기 원본 뇌영상과 대응하는 병변 영상을 상기 원본 뇌영상에 이어붙여 합성 입력영상을 생성하는 단계;상기 합성 입력영상을 상기 제 2 인공지능 모델에 입력하여 상기 제 1 확률값을 제 1 END 발생 확률값과 제 1 END 미발생 확률값으로 출력하는 단계; 및상기 제 1 END 발생 확률값과 상기 제 1 END 미발생 확률값의 합을 1이 되도록 정규화하는 단계;를 포함하는, END 예측 방법.

제 3 항에 있어서,상기 제 2 확률값을 산출하는 단계는상기 임상 정보를 상기 제 3 인공지능 모델에 입력하여 상기 제 2 확률값을 제 2 END 발생 확률값과 제 2 END 미발생 확률값으로 출력하는 단계; 및상기 제 2 END 발생 확률값과 상기 제 2 END 미발생 확률값의 합을 1이 되도록 정규화하는 단계;를 포함하는, END 예측 방법.

제 4 항에 있어서,상기 최종 확률값을 산출하는 단계는상기 제 1 END 발생 확률값과 상기 제 2 END 발생 확률값에 가중치를 적용한 평균값으로 최종 END 발생 확률값을 산출하는 단계; 및상기 제 1 END 미발생 확률값과 상기 제 2 END 미발생 확률값에 가중치를 적용한 평균값으로 최종 END 미발생 확률값을 산출하는 단계;를 포함하는, END 예측 방법.

복수의 인공지능 모델을 이용하여 환자의 END(조기 신경학적 악화, Early Neurological Deterioration)를 예측하는 장치에 있어서,서버로부터 상기 환자의 원본 뇌영상 및 임상 정보를 획득하는 통신부;뇌영상에 대한 병변 분석을 수행하는 제 1 인공지능 모델에 상기 원본 뇌영상을 입력하여 상기 원본 뇌영상의 병변 영상을 출력하는 제 1 분석부;상기 원본 뇌영상 및 상기 병변 영상을 제 2 인공지능 모델에 입력하여 상기 환자의 상기 END의 발생 확률인 제 1 확률값을 출력하는 제 2 분석부;상기 임상 정보를 제 3 인공지능 모델에 입력하여 상기 환자의 상기 END의 발생 확률인 제 2 확률값을 출력하는 제 3 분석부; 및상기 제 1 확률값 및 상기 제 2 확률값에 기초하여 상기 환자의 상기 END의 발생 확률인 최종 확률값을 산출하는 최종 확률값 분석부;를 포함하는, END 예측 장치.

제 6 항에 있어서,상기 제 1 분석부는상기 원본 뇌영상을 2차원 원본 뇌영상으로 변환하고,상기 제 1 인공지능 모델을 통해 상기 2차원 원본 뇌영상에 대한 병변 분석을 수행하여 병변 위치 및 병변 형상의 특징을 검출하고,상기 검출된 병변 위치 및 병변 형상의 특징을 표시한 3차원 병변 영상을 출력하는, END 예측 장치.

제 6 항에 있어서,상기 제 2 분석부는상기 원본 뇌영상과 대응하는 병변 영상을 상기 원본 뇌영상에 이어붙여 합성 입력영상을 생성하고,상기 합성 입력영상을 상기 제 2 인공지능 모델에 입력하여 상기 제 1 확률값을 제 1 END 발생 확률값과 제 1 END 미발생 확률값으로 출력하고,상기 제 1 END 발생 확률값과 상기 제 1 END 미발생 확률값의 합을 1이 되도록 정규화하는, END 예측 장치.

제 8 항에 있어서,상기 제 3 분석부는상기 임상 정보를 상기 제 3 인공지능 모델에 입력하여 상기 제 2 확률값을 제 2 END 발생 확률값과 제 2 END 미발생 확률값으로 출력하고,상기 제 2 END 발생 확률값과 상기 제 2 END 미발생 확률값의 합을 1이 되도록 정규화하는, END 예측 장치.

제9항에 있어서,상기 최종 확률값 분석부는상기 제 1 END 발생 확률값과 상기 제 2 END 발생 확률값에 가중치를 적용한 평균값으로 최종 END 발생 확률값을 산출하고,상기 제 1 END 미발생 확률값과 상기 제 2 END 미발생 확률값에 가중치를 적용한 평균값으로 최종 END 미발생 확률값을 산출하는, END 예측 장치.