한국컴퓨터정보학회:학술대회논문집 (Proceedings of the Korean Society of Computer Information Conference)

한국컴퓨터정보학회 (Korean Society of Computer Information)
권호 표지

Explainable AI와 Transformer를 이용한 수술 중 저혈압 실시간 예측 모델 개발

Development of a real-time prediction model for intraoperative hypotension using Explainable AI and Transformer

  • 정은서 (순천향대학교 ICT융합학과) ;
  • 김상현 (순천향대학교 부천병원) ;
  • 우지영 (순천향대학교 ICT융합학과)
  • EunSeo Jung (Dept. of ICT Convergence, Soonchunhyang University) ;
  • Sang-Hyun Kim (Soonchunhyang University Bucheon Hospital) ;
  • Jiyoung Woo (Dept. of ICT Convergence, Soonchunhyang University)
  • 발행 : 2024.01.17
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

전신 마취 수술 중 저혈압의 발생은 다양한 합병증을 유발하며 이를 사전에 예측하여 대응하는 것은 매우 중요한 일이다. 따라서 본 연구에서는 SHAP 모델을 통해 변수 선택을 진행하고, Transformer 모델을 이용해 저혈압 발생 여부를 예측함으로써 임상적 의사결정을 지원한다. 또한 기존 연구들과는 달리, 수술실에서 수집되는 데이터를 기반으로 하여 높은 범용성을 가진다. 비침습적 혈압 예측에서 RMSE 9.46, MAPE 4.4%를 달성하였고, 저혈압 여부를 예측에서는 저혈압 기준 F1-Score 0.75로 우수한 결과를 얻었다.

키워드

과제정보

본 연구는 한국연구재단의 지역대학우수과학자지원사업 (2020R1I1A3056858)의 연구결과로 수행되었음

참고문헌

  1. Vistisen, S.T., et al. "Predicting vital sign deterioration with artificial intelligence or machine learning," Journal of Clinical Monitoring and Computing, 33(6), pp. 949-951, June 2019.
  2. Jihyun Lee, et al. "Comparative analysis on machine learning and deep learning to predict post-induction hypotension," Sensors 20(16), p. 4575, Aug. 2020.
  3. Anna Tselioudis Garmendia, et al. "Towards personalised early prediction of intra-operative hypotension following anaesthesia using deep learning and phenotypic heterogeneity," Pain & Central Nervous System Week, Jan. 2023.