[AI 리뷰] 바이탈사인(VS) 모니터링 선별적 제한하는 인공지능... 입원환자 수면 개선으로 치료 효과 증대
[AI 리뷰] 바이탈사인(VS) 모니터링 선별적 제한하는 인공지능... 입원환자 수면 개선으로 치료 효과 증대
  • 최창현 기자
  • 승인 2020.11.14 11:20
  • 댓글 0
이 기사를 공유합니다

이 AI 모델은 2012년부터 2019년까지 뉴욕에서 23개 병원을 운영하는 미국 최대 규모의 의료 네트워크인 노스웰 헬스(Northwell Health)의 213만 명의 환자로 구성된 데이터를 학습하고 분석했다.
美 파인스타인 의학연구소의 신경 및 데이터 과학 연구소 총 책임자인 테오도로스 자노 박사(사진:
美 파인스타인 의학연구소의 신경 및 데이터 과학 연구소 총 책임자인 테오도로스 자노스 박사(사진:노스웰 헬스)

병원 입원 환자의 각 종 검사로 인한 수면 장애는 너무나 흔한 현실이다. 특히, 불필요한 야간 바이탈 사인(활력징후. Vital Sign) 모니터링으로 인한 수면 장애는 인지 장애, 고혈압, 스트레스 증가 등으로 사망률까지 연관되어 있다고 한다.

뉴욕 최대 의료 기관인 노스웰 헬스(Northwell Health)의 연구 기관인  파인스타인 의학연구소(Feinstein Institutes for Medical Research)의 신경 및 데이터 과학 연구소(Neural and Data Science Lab) 테오도로스 자노스 박사(Dr. Theodoros Zanos) 연구팀이 어떤 입원환자가 하룻밤 사이에 검사를 위해 깨어날 필요가 없는지 알아보기 위해 2,430만 개의 바이탈 사인(이하, VS) 측정데이터로 학습시킨 딥러닝 기반 AI 예측 임상 도구 'Let Sleeping Patients Lie'를 개발하여 환자가 숙면하고 쉬고, 더 빨리 회복하고 퇴원할 수 있도록 했다.

평균적으로 VS 모니터링을 위해 환자는 4시간에서 5시간마다 깨어난다. 이 AI 예측 모델은 병원에서 환자의 하룻밤 중 약 절반을 VS 모니터링에서 벗어나 숙면을 취할 수 있게 했다. 모델은 매우 높은 성공율로 10,000명의 환자 중 단 2명 이내 만을 잘못 식별했다. 또한 이 도구를 통해 의료팀은 보다 엄격한 환자 평가를 구현하기 위해 모델의 예측 임계값을 조정할 수 있다고 한다.

이 모델 데이터 구성 및 아키텍처 개요로 데이터 세트에는 2012 년부터 2019 년까지 2,318,506 명의 입원 환자와 26,201,030 건의 바이탈 사인(VS) 기록이 포함되어 있으며, 모델에서 사용 된 4,933,636 개의 VS 입력 시퀀스를 생성한다.(더 자세한 내용은 첨부 논문 참조)
이 모델 데이터 구성 및 아키텍처 개요로 데이터 세트에는 2012 년부터 2019 년까지 2,318,506 명의 입원 환자와 26,201,030 건의 바이탈 사인(VS) 기록이 포함되어 있으며, 모델에서 사용 된 4,933,636 개의 VS 입력 시퀀스를 생성한다.(더 자세한 내용은 첨부 논문 참조)

이 AI 모델은 2012년부터 2019년까지 뉴욕에서 23개 병원을 운영하는 미국 최대 규모의 의료 네트워크인 노스웰 헬스(Northwell Health)의 213만 명의 환자로 구성된 데이터를 학습하고 분석했다. 파인슈타인 연구소는 50개의 연구 실험실, 3,000개의 임상 연구, 5,000명의 연구원 및 직원이 근무하고 있다.

파인슈타인 연구소 생명전자 의학 연구소(Institute of Bioelectronic Medicine)의 조교수이기도 한 자노스 박사는 "휴식은 환자 치료에 중요한 요소이며, 수면 방해가 퇴원 및 회복을 지연시킬 수 있는 사항이라는 것이 입증되었습니다"라며, "우리의 연구 결과는 머신러닝 기반 솔루션의 안전성과 정확성으로 병원에서 보다 편안하고 안전한 수면을 취할 수 있는 길을 열었습니다"라고 말했다.

이 연구 결과는 13일(현지시간) 네이처 자매지인 '디지털 메디신(Digital Medicine)'에 '임상 기반 딥러닝 모델을 사용해 입원 환자의 수면 개선을 위한 불필요한 야간 바이탈 사인 모니터링 방지(Let Sleeping Patients Lie, avoiding unnecessary overnight vitals monitoring using a clinically based deep-learning model- 다운)이란 제목으로 게재됐다.

한편, 테오도로스 자노스 박사는 파인스타인 의학연구소의 신경 및 데이터 과학 연구소(Neural and Data Science Lab) 책임자로 차세대 생체 전자 의학 장치를 통해 조기 진단을 가능하게 하고 질병의 심각성을 평가하며, 치료법을 개인화 및 적용할 수 있는 알고리즘을 개발하는 것을 목표로 한다. 연구실의 현재 프로젝트로는 미주 신호로부터 면역 및 대사 상태 디코딩, 생체 전자 요법의 폐쇄 루프 최적화, 비 침습 생체 전자 분석 및 임상 예측 모델 및 의료 데이터에 적용되는 머신러닝이 포함된다.

또 그는 가장 최근인 지난 7월에 그는 스프링거 네이처(Springer-Nature)의 ‘바이오전기의학(Bioelectronic Medicine)’ 저널에 ‘COVID-19 대유행 기간 동안 임상 의사 결정을 지원하는 기계학습(Machine learning to assist clinical decision-making during the COVID-19 pandemic-논문 아래 첨부)’이란 제목으로 AI 및 머신러닝 도구를 사용하여 2019 년 코로나 바이러스 질병 임상 의사 결정을 돕는 방법을 제시하기도 했다.


관련기사

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.