소아 응급환자 조기 예측 AI 모델 개발

AI 요약

가톨릭대 서울성모병원 소아전문응급의료센터장 배우리 교수 연구팀은 고려대 인공지능학과 이창희 교수 등과 함께 한국어 의료 자연어 처리모델 KM-BERT에 마스크 언어 모델(MLM) 사전학습을 적용해 전자의무기록의 임상기록으로 소아 응급·비응급 환아를 분류하는 딥러닝 기반 예측모델을 개발했습니다. 연구에는 2012~2021년 한 상급종합병원 소아 응급실을 방문한 18세 미만 환자 8만 7759명의 전자의무기록을 사용했으며, 응급환아는 혈액검사·소변검사·정맥수액·흡입치료·응급약물투여·입원 중 하나라도 시행된 경우로, 비응급환아는 검사나 치료 없이 경구약 처방 후 귀가한 경우로 정의했습니다. 개발된 KM-BERT with MLM 모델은 AUROC 84%, AUPRC 88%의 성능을 보였고 한국형 응급환자 분류도구(KTAS)보다 예측 정확도가 높았으며 연구 결과는 Scientific Reports 최근호에 실렸고 응급실 운영의 효율성 및 환자 안전 향상에 기여할 것으로 기대된다고 밝혔습니다.