시계열 전자의무기록을 이용한 딥러닝 기반 욕창 예측 (A Deep Learning Approach for Predicting Pressure Ulcers from Time-Series Electronic Medical Records)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 29권 / 3호 / 138 ~ 144페이지
· 저자명 : 한영웅, 임명은, 현정근, 김유나, 정호열

초록

욕창이 발생하면 환자의 통증과 스트레스가 증가할 뿐만 아니라 치료 기간의 연장과 치료비의 가중으로 인해 신체적, 정신적, 경제적 어려움을 초래하므로 조기진단 및 예측을 통한 욕창의 예방이 매우 중요하다. 본 연구에서는 전자의무기록 중 혈액 검사 데이터에 대한 시계열 분석을 통해 미래의 욕창 발생 여부를 예측할 수 있는 딥러닝 기반의 예측 모델을 제안한다. 신뢰도 높은 욕창 발생 여부 예측을 위해 본 연구에서는 욕창 예측에 영향력이 큰 검사 항목을 강조할 수 있도록 새롭게 설계된 attention mechanism과 전자의무기록에 대한 시계열 모델링이 가능한 GRU를 결합한 예측 모델을 제안한다. 제안된 모델의 예측 성능은 accuracy 기준 0.903으로 비교 모델들 대비 우수한 결과를 나타냈다. 본 연구는 전자의무기록 중 비교적 손쉽게 주기적으로 수집될 수 있는 혈액 검사 데이터에 대한 시계열 분석을 통해 정확한 욕창 발생 예측이 가능함을 보였다는 점에서 의의가 있다.

영어초록

Pressure ulcers can cause physical, mental, and economic difficulties by increasing patient's pain, stress, treatment period, and treatment cost. Therefore, it is very important to prevent pressure ulcers through early diagnosis and prediction. In this study, we proposed a deep learning-based predictive model that could predict the occurrence of future pressure ulcers through time-series analysis of lab test data included in electronic medical records. In order to predict the occurrence of pressure ulcers with high reliability, this study proposed a prediction model that could combine a newly designed attention mechanism to emphasize features with a large influence on pressure ulcer prediction with GRU (Gated Recurrent Unit) capable of time-series modeling of electronic medical records. The prediction performance of the proposed model was superior to those of compared models with an accuracy of 0.903. This study shows that it is possible to accurately predict the occurrence of pressure ulcers through time-series analysis of lab test data that could be collected periodically and relatively easily.

참고자료

· 없음