[논문]환자의 활력 징후를 이용한 후향적 데이터의 분석과 연구를 위한 데이터 가공 및 시각화 방법

김수민; 윤지영

doi:10.9718/jber.2021.42.4.175

환자의 활력 징후를 이용한 후향적 데이터의 분석과 연구를 위한 데이터 가공 및 시각화 방법
Data Processing and Visualization Method for Retrospective Data Analysis and Research Using Patient Vital Signs 원문보기

Journal of biomedical engineering research : the official journal of the Korean Society of Medical & Biological Engineering, v.42 no.4, 2021년, pp.175 - 185

김수민 (대구가톨릭대학교) , 윤지영 (대구경북첨단의료산업진흥재단)

Abstract ▼ AI-Helper

Purpose: Vital sign are used to help assess the general physical health of a person, give clues to possible diseases, and show progress toward recovery. Researchers are using vital sign data and AI(artificial intelligence) to manage a variety of diseases and predict mortality. In order to analyze vital sign data using AI, it is important to select and extract vital sign data suitable for research purposes. Methods: We developed a method to visualize vital sign and early warning scores by processing retrospective vital sign data collected from EMR(electronic medical records) and patient monitoring devices. The vital sign data used for development were obtained using the open EMR big data MIMIC-III and the wearable patient monitoring device(CareTaker). Data processing and visualization were developed using Python. We used the development results with machine learning to process the prediction of mortality in ICU patients. Results: We calculated NEWS(National Early Warning Score) to understand the patient's condition. Vital sign data with different measurement times and frequencies were sampled at equal time intervals, and missing data were interpolated to reconstruct data. The normal and abnormal states of vital sign were visualized as color-coded graphs. Mortality prediction result with processed data and machine learning was AUC of 0.892. Conclusion: This visualization method will help researchers to easily understand a patient's vital sign status over time and extract the necessary data.

주제어

표/그림 (12)

표 표 1. NEWS의 계산 Table 1. Calculation of NEWS
표 표 2. 케어테이커로 측정한 정상인의 활력 징후 데이터 (a) 혈압, 심박수, 호흡수 (b) 산소포화도 (c) 체온 Table 2. Normal vital sign data measured by CareTaker (a) Systolic blood pressure, Heart rate and Respiration rate (b) SpO₂ (c) Temperature
그림 그림 1. 데이터 가공없이 시각화 시 문제점(케어테이커) Fig. 1. The problems without data processing(Care Taker)
그림 그림 2. 케어테이커 데이터 가공 순서도 Fig. 2. Flow chart of CareTaker’s data processing
표 표 3. 데이터 가공을 마친 케어테이커 데이터 Table 3. CareTaker data after data processing
그림 그림 3. 데이터 가공 없이 시각화 시 문제점(MIMIC-III) Fig. 3. The visualization problems without data processing(MIMIC-III)
표 표 4. (a) MIMIC-III의 1차가공 데이터 (b) 2차가공 데이터 Table 4. (a) Original MIMIC-III data after first processing (b) MIMIC-III data after second data processing
그림 그림 4. MIMIC-III 데이터 가공 순서도 Fig. 4. Flow chart of MIMIC-III Data Processing
그림 그림 5. MIMIC-III 데이터를 이용한 시각화 Fig. 5. Visualization with MIMIC-III data
그림 그림 6. 케어테이커 데이터를 이용한 시각화 Fig. 6. Visualization with Care Taker data
그림 그림 7. 패혈증과 심부전증을 진단받은 환자의 진단 시점과 활력징후 그리고 NEWS 시각화 Fig. 7. Diagnosis time, vital sign and NEWS visualization of patients diagnosed with sepsis and heart failure
표 표 5. 머신러닝 알고리즘을 이용한 사망 예측 처리 결과 Table 5. Mortality prediction results using machine learning Algorithm

참고문헌 (13)

Baek KH, Lee IJ. A Study on Electronic Medical record. Korean Journal of Medicine and Law. 2016;24(2):49-68.

상세보기
Morgan MWR, Lloyd-Williams F. An early warning scoring system for detecting developing critical illness. Clin Intensive Care, 1997;8.
Jung JS. Current Status and Future Direction of Artificial Intelligence in Healthcare and Medical Education. Korean Medical Education Review. 2020;22(2):99-114.
Levy-Lambert D, Gong JJ, Naumann T, Pollard TJ, Guttag JV. Visualizing Patient Timelines in the Intensive Care Unit.. CoRR, abs/1806.00397. 2018.
Lee J, Ribey E, Wallace JR. A web-based data visualization tool for the MIMIC-II database. BMC medical informatics and decision making, 2016;16(1).

상세보기
Vilic A, Petersen JA, Hoppe K, Sorensen HB. Visualizing patient journals by combining vital sign monitoring and natural language processing. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference, 2016;2016-Octob:2529-2532.
https://caretakermedical.net/, accessed on June 18, 2021.
Johnson AE, Pollard TJ, Shen L, Lehman LW, Feng M, Ghassemi M, Moody B, Szolovits P, Celi LA, Mark RG. MIMIC-III, a freely accessible critical care database. Scientific data, 3, 2016;3:1-9.
Royal College of Physicians. National Early Warning Score (NEWS): standardising the assessment of acute-illness severity in the NHS. Report of a working party. London: Royal College of Physicians; 2012.
Cox DR. The regression analysis of binary sequences (with discussion). J Roy Stat Soc B. 20:215-242.
Leo Breiman. Random Forests. Machine Learning. 2001;45(1):5-32.
https://github.com/dmlc/xgboost. Accessed on Dec 15, 2019.
https://github.com/microsoft/LightGBM. Accessed on Mar 10, 2020

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증