상세 보기
초록
본 논문에서는 MIMIC-IV(Medical Information Mart for Intensive Care) v2.0 데이터를 이용한 시계열 데이터의 정제 및 가공 방법을 제안한다. 더불어 해당 가공법을 기반으로 정제한 데이터셋을활용하여 구축한 기계학습 기반의 욕창 조기 경보 시스템을 통해 해당 가공 방법의 유의성을 검증하였다. 구현된 욕창 조기 경보 시스템은 병변이 발생하기 전 12, 24시간에 미리 의료진에게 경보를 주는 시스템이다. 전자의무기록(Electronic Medical Record; EMR) 시스템과 연동하여 실시간으로 환자의 욕창 발생 위험도를 의료진에게 알려 중환자 의사결정을 지원하고, 나아가 효율적인의료 자원 배분을 가능하게 한다. 여러 기계학습 모델 중 GRU 모델을 사용하였을 때, AUROC 평가지표를 기준으로 발생 전 12시간이 0.831, 24시간이 0.822로 가장 좋은 성능을 보였다.
키워드
욕창; 시계열 데이터; 전자의무기록; 딥러닝; Pressure Ulcer; Time-series; EMR; Deep Learning
- 제목
- EMR 데이터를 활용한 욕창 발생 방지 및 데이터 처리 방법
- 제목 (타언어)
- Method of preventing Pressure Ulcer and EMR data preprocess
- 저자
- 김도원; 김민규; 김윤; 한선숙; 허정원; 최현수
- 발행일
- 2022-12
- 유형
- Y
- 저널명
- 한국컴퓨터정보학회논문지
- 권
- 27
- 호
- 12
- 페이지
- 69 ~ 76
- 언어
- KOR
- 출판사
- 한국컴퓨터정보학회
- 발행국가
- 대한민국
- 분량
- 8 페이지
- ISSN
- E 2383-9945
P 1598-849X