보고서 정보
주관연구기관 |
연세대학교 Yonsei University |
연구책임자 |
송영구
|
참여연구자 |
동재준
,
이경화
,
강재우
,
민충기
,
정수진
,
김용일
,
변소정
,
전현아
,
조재용
,
채명훈
,
이병수
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2020-02 |
과제시작연도 |
2018 |
주관부처 |
보건복지부 [Ministry of Health & Welfare(MW)(MW) |
등록번호 |
TRKO202200008888 |
과제고유번호 |
1465027727 |
사업명 |
연구자주도질병극복연구(R&D) |
DB 구축일자 |
2022-09-29
|
키워드 |
패혈증.균혈증.예측도.인공지능.인공신경망.Sepsis.Bacteraemia.Prediction.Artificial intelligence.Artificial neural network.
|
초록
▼
□ 연구의 목적 및 내용
중증 감염질환인 패혈증과 패혈성 쇼크는 신장, 폐, 위장관 등을 침범하는 다장기부전을 일으키고 결국 환자를 사망에 이르게 하는 주된 원인임.
본 연구진은 감염질환의 초기 징후인 발열과 다양한 임상 정보를 바탕으로 인공지능 딥러닝 기법을 통해 중증 감염질환, 특히 패혈증으로 이환을예측하는 모델을 개발하여 조기에 적극적인 치료를 통해 환자 사망률 및 예후 개선에 활용하고자 함.
선행연구로 시행했던 13,402명의 data set을 인공지능 딥러닝 기법과 기존 통계 방법인 Bayesian meth
□ 연구의 목적 및 내용
중증 감염질환인 패혈증과 패혈성 쇼크는 신장, 폐, 위장관 등을 침범하는 다장기부전을 일으키고 결국 환자를 사망에 이르게 하는 주된 원인임.
본 연구진은 감염질환의 초기 징후인 발열과 다양한 임상 정보를 바탕으로 인공지능 딥러닝 기법을 통해 중증 감염질환, 특히 패혈증으로 이환을예측하는 모델을 개발하여 조기에 적극적인 치료를 통해 환자 사망률 및 예후 개선에 활용하고자 함.
선행연구로 시행했던 13,402명의 data set을 인공지능 딥러닝 기법과 기존 통계 방법인 Bayesian method와 비교 분석하여 인공지능 기법의 예측도가 월등함을 확인하고자 함. 추가로 30만 명 이상의 full data set에서 중증 감염질환으로 이환을 예측하고 실시간 예측을 위한 의료 전산 시스템 연계 초기 플랫폼을 구현함.
□ 연구개발성과
본 연구진은 Bayesian model data를 다양한 인공지능 기법으로 분석하였고 최종적으로 multi-layer perceptron (MLP) 모델의 성능이 가장 우수함을 확인하였으며 이는 conventional 한 통계 기법인 Bayesian method와 비교해도 non-inferior 함을 확인하였음. 분석 결과는 2019년 Journal of Clinical Medicine (SCIE, IF=5.688) 2019년 10월호에 게재되었음.
본 연구팀의 연구 성과는 헬스 조선, 한국 경제, 매일 경제, 의학신문 등에 보도 및 홍보되었음. 인공지능 모델의 예측법은 ‘균혈증 발병 위험도 예측 방법 및 이를 이용한 균혈증 발병 위험도 예측용 디바이스’라는 명칭으로 2건의 특허 출원되었음.
Full data set을 위해 추출한 총합 622,771건의 성인 혈액배양 검사 사례를 혈액 검사를 포함한 임상 정보와 함께 상시 분석 가능한 데이터로 정제 완료하였고 동정 균주, 기저질환, 감염 부위, 성별, 연령별 세부 그룹 분석 완료하였음. 본 data set은 12년간의 방대한 의료정보를 포함한 것으로 추가 subgroup 분석 및 차후 전향적 임상 적용 연구의 기반이 될것으로 기대되며 SCI급 논문 투고 예정임.
□ 연구개발성과의 활용계획 (기대효과)
환자 임상 정보를 바탕으로 실시간으로 중증 감염질환으로 이환 될 가능성을 예측하는 인공지능 예측모델을 의료전산시스템에 연계하고 실제임상에서 적용 가능성을 제시함. 이는 중증 감염질환으로 이환 가능성이 적은 환자에서 초기에 불필요한 항생제 사용과 검사 시행을 줄여 항생제 내성 감소 및 의료비용 절감 효과를 기대함.
의료 전자 의무기록과 연동하여 실시간으로 예측 가능한 알고리즘을 구축하게 되면 중증 감염질환을 조기에 더욱 정확하게 진단하고 적극적인 치료로 국민 건강 및 환자 안전 향상에 기여할 것으로 사료됨.
(출처 : 요약문 14p)
Abstract
▼
□ Purpose&Contents
Severe infections- sepsis and septic shock, are major causes of multi-organ failure involving the kidneys, lungs, and gastrointestinal tract, and eventually leading to death. Based on fever and various clinical information, the early signs of infectious diseases, this study is
□ Purpose&Contents
Severe infections- sepsis and septic shock, are major causes of multi-organ failure involving the kidneys, lungs, and gastrointestinal tract, and eventually leading to death. Based on fever and various clinical information, the early signs of infectious diseases, this study is aim to develop a model that predicts severe infectious diseases, especially sepsis using artificial intelligence technique such as deep learning. From this result, it can improve the prognosis and mortality through early intervention and treatment.
We compared 13,402 data sets from previous studies analyzed using conventional Bayesian method with deep learning technique. In addition, we aim to extract more than 300,000 full data sets and link directly to electronic medical record, then develop a real-time monitoring in clinical practice.
□ Results
We analyzed the Bayesian model data by various artificial intelligence techniques and finally confirmed that the performance of the multi-layer perceptron (MLP) model is the best, which is non-inferior to conventional Bayesian method. The results of this analysis were published in the October 2019 issue of the Journal of Clinical Medicine (SCIE, IF = 5.688).
The results of this research were reported and promoted in various medical newspapers in Republic of Korea. And Two patents have been published using this research works.
A total of 622,771 blood culture episodes for the full data set were extracted and they were analyzed with various clinical information including vital sign and blood tests. This data set contains 12 years of extensive medical information and is expected to be the basis for further subgroup analysis and future prospective clinical studies.
□ Expected Contribution
Based on the clinical information of the patient, prediction model using artificial intelligence is expected to reduce antibiotic resistance and medical costs by avoiding unnecessary antibiotic use.
Continuous extraction of data from electronic medical records and real-time calculation may allow physicians to identify sepsis and septic shock progression earlier, and provide timely intervention to reduce mortality and morbidity. We are convinced that this can also greatly change the quality of our lives.
(source : SUMMARY 15p)
목차 Contents
- 표지 ... 1
- 보고서요약 ... 2
- 제 출 문 ... 12
- 보고서 요약서 ... 13
- 국문 요약문 ... 14
- SUMMARY ... 15
- LIST ... 16
- 목차 ... 17
- 1. 연구개발과제의 개요 ... 19
- (1) 연구개발 목적 ... 19
- (2) 연구개발의 필요성 ... 19
- (3) 연구개발 범위 ... 21
- 2. 국내외 기술개발 현황 ... 22
- (1) 국외 현황 ... 22
- (2) 국내 현황 ... 25
- 3. 연구수행 내용 및 결과 ... 27
- (1) 연구개발 내용 ... 27
- (2) 연구 결과 ... 32
- (3) 연구 성과 ... 42
- 4. 목표달성도 및 관련분야 기여도 ... 46
- (1) 목표 달성도 ... 46
- (2) 관련분야 기여도 ... 46
- 5. 연구결과의 활용계획 ... 47
- 6. 연구과정에서 수집한 해외과학기술정보 ... 48
- 7. 연구개발성과의 보안등급 ... 49
- 8. 국가과학기술종합정보시스템에 등록한 연구시설·장비 현황 ... 50
- 9. 연구개발과제 수행에 따른 연구실 등의 안전조치 이행실적 ... 50
- 10. 연구개발과제의 대표적 연구실적 ... 50
- 11. 기타사항 ... 51
- 12. 참고문헌 ... 52
- 끝페이지 ... 55
※ AI-Helper는 부적절한 답변을 할 수 있습니다.