목적

병원에 입원한 환자의 생체신호 시간 데이터 모음(24시간 전 ~ 현재까지)을 이용하여 1시간 후의 심정지를 예측하고 의료진에게 설명 할 수 있는, Explainable AI 알고리즘을 개발

방법

병원에서 기록한 전자건강기록인 EMR 공용 데이터 중 MIMIC-IV, eICU-CRD를 활용하였으며, MIMIC-IV, eICU-CRD 데이터 중 심박, 산소포화도, 호흡, 수축기 혈압, 이완기 혈압, 온도 데이터를 활용하며, 이를 활용한 특징 벡터를 통해 기계학습 모델 중 LGBM(Light Gradient Boost Machine)으로 예측 및 검증 하였음

결과

• 표 3은 본 연구에서 제안한 방법이 기존 연구 3가지와 비교했을 때의 차이점과 성능을 비교한 것으로, 본 연구에서 제안한 방법의 성능이 우월한 것을 볼 수 있음

  

  
  

• 그림 1은 eICU-CRD를 이용한 외부검증을 통해 개발 모델과 비교모델들의 일반화 성능을 비교하였으며, 개발모델이 가장 높은 일반화 성능을 얻었음

  

  
  

• 그림 2는 본 연구에서 제안한 방법의 결과 출력에 대한 입력 특징 변수의 공헌도를 계산하였으며, 이는 심정지 발생 전 나타나는 활력징후에 대한 여러 의과학적 발견과 일치하였음. 그러므로 이는 제안 방법은 의료진들의 심정지 발생에 대한 임상 의사결정 시 결과 출력에 대한 신뢰성과 타당성을 제공할 수 있음

  

결론

이 연구에서 제안한 앙상블 기법을 사용한 해석 가능한 인공지능 모델(Explainable AI)이 ICU 환자군에서 조기 심정지 예측에 적합하며, 1시간 마다 심정지 예측에 대한 중요도를 확인하여 의료진에게 임상적 결정을 내리는 데 도움을 줄 수 있기 때문에 디지털 헬스 분야에서 임상적으로 적용할만한 성숙도를 보여주었음을 입증

원문 보러가기