• 한국재난정보학회 논문집
• /
• 제19권1호
• /
• pp.44-59
• /
• 2023

연구목적: 대량전상자 발생 시 신속하고 정확한 환자분류가 진행되어야 최대한 많은 환자를 회복시켜 전장으로 돌려보낼 수 있다. 그러나 복잡한 전투현장에서 적은 의료인력으로 대량전상자의 환자분류를 시행하기란 임무는 과다하고 환경은 불확실하다. 따라서, 전투현장에서 의료인력을 보조하고 대체할 수 있는 인공지능 모델에 대해 논의하고자 한다. 연구방법:인공지능의 한 분야인 강화학습을 활용하여 환자분류 모델을 제시한다. 모델의 학습은 무작위로 설정된 환자의 상태와 병원시설의 의료능력을 고려하여 최대 다수의 환자가 치료받을 수 있는 정책을 찾도록 진행된다. 연구결과:강화학습 모델이 정상적으로 학습되었음은 누적 보상 값 등을 통하여 확인하였고, 학습된 모델이 정확하게 환자를 분류하는 것은 생존자 수를 통해 확인하였다. 또한, 규칙 기반 모델과 비교하여 성능을 검증하였으며, 강화학습 모델이 규칙 기반 모델에 비해 약 10%만큼 더 많은 환자를 생존시킬 수 있었다. 결론:강화학습을 이용한 환자분류 모델은 의료인력의 대량전상자 환자분류 의사결정을 보조하고 대체하는 대안으로 활용 가능하다.

• 한국응급구조학회지
• /
• 제26권2호
• /
• pp.73-85
• /
• 2022

Purpose: The purpose of this study is to understand currently active Korean paramedics' disaster response abilities, including immediate response, severity classification, patient treatment, and patient transfer, in a disaster situation with multiple casualties. Methods: A structured questionnaire consisting of a total of 25 questions was used, including 5 questions on the subject's general characteristics and 20 questions on disaster-related emergency response abilities. Results: Among the disaster response abilities of the participants, the patient transport ability scores were high and the cooperative support ability scores were low. In terms of general characteristics, there was a significant difference in age, and it was high in the 40s, and there was a significant positive correlation between each competency. Conclusion: These results suggest that there is an urgent need to develop a systematic and specialized educational system with components inside and outside fire departments related to multiple casualty disasters to improve overall abilities.