충북대학교병원(병원장 최영석)은 인공지능센터(센터장 박승)가 신생아 중환자의 기관 삽관 적응증 모델 2개를 개발했다고 18일 밝혔다.
본 기술은 신생아 중환자 128명을 대상으로 총 23개의 임상 인자를 수집하였으며 임신 기간, 출생 당시 체중, 출생 후 1분 및 5분 Apgar 점수, 성별, 분만 방법 등을 포함한 19개의 수치 데이터들과 심박수, 호흡수, 흡입 산소 분율, 산소 포화도 등 4개의 시계열 데이터로 구성되었다. 충북대학교병원에서 새로이 제안한 이 모델은 상기 데이터들을 복합적으로 분석하여 신생아 기관 삽관 적응증을 예측한다.
첫 번째 모델은 수치 데이터와 시계열 데이터를 각각 다층 퍼셉트론(MLP)를 이용하여 통합적으로 분석하였고, AUROC 0.917, 정확도 88.28%의 성능을 달성하였다.
두 번째 모델은 수치 데이터 분석을 위해 MLP block을, 시계열 데이터 분석을 위해서 Transfomer block을 사용하여 복합 심층 신경망(Multimodal Neural Network)을 구축하여 AUROC 0.88, 정확도 85.7%의 높은 성능을 달성하였다.
신생아의 호흡 곤란 상태에서 늦은 의사결정은 신생아에게 뇌졸중과 같은 심각한 문제를 초래할 수 있다. 새로이 개발된 모델이 의사들의 임상적 의사결정을 보조함으로써 신생아 중환자들의 예후에 도움을 줄 수 있을 것으로 예상된다.
신윤미 교수는 “신생아 중환자실 윤신애 교수님의 좋은 아이디어와 의공학과 박승 교수님의 훌륭한 개발능력이 좋은 결실을 얻어 너무나 기쁘다.
한편 해당 연구는 JCR 상위 10% 이내 국제학술지 “IEEE Journal of Biomedical and Health Informatics(IF, 영향력지수 = 7.021)”와 Nature의 자매지로 알려진 “Scientific Reports(IF, 영향력지수 = 4.997)”에 각각 게재되었다.
