딥러닝 모델 기반의 중환자 상태 징후 조기 예측 시스템 (Deep Learning Model Based Medical System for the Early Prediction of Critical Patients' Care Signs)

서지정보

· 발행기관 : 아이씨티플랫폼학회
· 수록지 정보 : Journal of Platform Technology / 12권 / 4호 / 15 ~ 23페이지
· 저자명 : 윤현석, 주해종, 김가영

초록

중환자 위험 예측은 환자의 잠재적인 위험을 조기에 감지함으로써 사고 예방 및 부족한의료 자원과 인력에 큰 도움을 줄 수 있는 방법이다. 최근 심질환, C형 간염 등 다양한질병 예측 모델이 개발되었지만, 기존의 모델로 잠재적인 중환자를 예측하게 되면 과적합및 성능저하 등의 문제가 발생되어 이를 개선할 새로운 모델이 필요한 상황이다. 본 논문은이러한 문제를 해결하기 위해 일반환자와 중환자들을 구분하기 위한 효과적인 데이터전처리 방법과 질병 군집화 후 다양한 임상 로그데이터의 관계를 고려할 수 있는 딥러닝모델을 제안한다. 환자 데이터는‘용인시산업진흥원’에서 제공받았으며, 총 10년 데이터중 8년을 훈련데이터와 테스트데이터로 나눠 이에 적합한 딥러닝 모델을 구축하였고 나머지최신 2년 데이터를 사용하여 검증하였다. 제안된 모델은 예측 정확도 95%, 검증 정확도94%로 기존의 모델보다 성능과 정확성이 향상됨을 증명하였다.

영어초록

Predicting the risk of critical patients is a valuable method to detect potential risks early, thus aiding in accident prevention and optimizing limited medical resources and personnel. While various disease prediction models have been developed recently for conditions like cardiovascular diseases and hepatitis C, there is a need for new models to improve the prediction of potential critical patients due to issues such as overfitting and performance degradation with existing models. In this paper, effective data preprocessing methods are proposed to distinguish between general patients and critical patients, along with a deep learning model that considers the relationships among various clinical log data clusters.
Patient data was obtained from the 'Yong-in Industry Promotion Agency', with 8 years of the total 10 years of data divided into training and testing sets to build a suitable deep learning model. The remaining latest 2 years of data were used for validation. The proposed model demonstrated improved performance and accuracy compared to existing models, achieving a prediction accuracy of 95% and a validation accuracy of 94%.

참고자료

· 없음