목적

• 병원에 입원한 환자의 생체신호 시간 데이터 모음(12시간 전 ~ 현재까지)을 이용하여 24시간 이내 심정지를 예측하고 의료진에게 설명 할 수 있는, Explainable AI 알고리즘을 개발

• 실제 입원 환경을 모사하여 다양한 입원환경에서 실시간 심정지 발생 예측 알고리즘을 검증

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 TabNet으로 예측 성능을 검증 하였음

결과

• 그림 1은 본 연구에서 제안한 방법이 기존 연구방법 7가지와 비교했을 때의 차이점과 성능을 비교한 것으로, 본 연구에서 제안한 방법의 성능이 우월한 것을 볼 수 있음
  
  

  

• 그림 2는 MIMIC-IV와 eICU-CRD를 이용한 ICU 내 질병 특성에 맞게 세부적으로 그룹화되어 있는 세부 ICU 별 심정지 발생 예측 검증 시 개발 모델은 질병 특성에 상관없이 비교 모델들보다 통계적으로 높은 성능을 보였으며, 비교 모델들은 입원 비율 및 환자 특성에 따라 성능이 달라짐을 보였음
  
  

  

• 그림 3은 본 연구에서 제안한 방법의 결과 출력에 대한 입력 특징 변수의 공헌도를 계산하였으며, 개발 모델의 공헌도가 높은 특징 변수들의 심정지 발생 그룹과 심정지 비발생 그룹의 간 통계적 차이가 나타남을 확인하였음. 그러므로 이 제안 방법은 의료진들의 심정지 발생에 대한 임상 의사결정 시 결과 출력에 대한 신뢰성과 타당성을 제공할 수 있음
  
  

  

결론

이 연구에서 제안한 해석 가능한 인공지능 모델(Explainable AI)이 다양한 환자 특성과 입원환경에서 모두 활용될 수 있는 조기 심정지 예측력을 확보하였으며, 1시간 마다 24시간 내 심정지 발생 예측에 대한 중요도 제공이 가능하기 때문에 디지털 헬스 분야에 임상적으로 적용할만한 성숙도를 보여주었음을 입증

전문 보러가기