Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Developing and Evaluating an AI-Assisted Prediction Model for Unplanned Intensive Care Admissions following Elective Neurosurgery using Natural Language Processing within an Electronic Healthcare Record System

Created by
  • Haebom
Category
Empty

저자

Julia Ive, Olatomiwa Olukoya, Jonathan P. Funnell, James Booker, Sze H M Lam, Ugan Reddy, Kawsar Noor, Richard JB Dobson, Astri M. V. Luoma, Hani J Marcus

개요

본 연구는 인공지능(AI), 특히 자연어 처리(NLP)를 활용하여 전자 건강 기록(EHRs)을 분석하고 선택적 신경외과 수술 환자의 중환자실(ITU) 입원을 예측하는 연구이다. University College London Hospital (UCLH)의 선택적 신경외과 환자 EHRs를 분석하여 계획된 HDU/ITU 입원, 계획되지 않은 HDU/ITU 입원, 병동/야간 회복(ONR)으로 환자를 분류하였다. MedCAT를 사용하여 임상 기록에서 SNOMED-CT 개념을 식별하고, 이를 다양한 AI 알고리즘에 적용하여 ITU 입원 예측 모델을 개발하였다. CogStack-MedCAT NLP 모델을 정제하여 개념 탐지 F1-점수 0.93을 달성하였고, 이를 통해 추출된 개념을 의사결정 트리 모델 및 신경망 시계열 모델에 통합하였다. 의사결정 트리 모델은 ITU 입원에 대한 재현율 0.87을 달성하여, 의료 전문가가 간과하는 계획되지 않은 ITU 입원 사례 비율을 36%에서 4%로 감소시켰다.

시사점, 한계점

•
시사점:
◦
NLP 기반 AI 모델을 활용하여 선택적 신경외과 수술 환자의 ITU 입원을 효과적으로 예측할 수 있음을 보여줌.
◦
계획되지 않은 ITU 입원 사례 감소를 통해 환자 안전 및 의료 자원 효율성 향상에 기여 가능.
◦
정제된 NLP 모델은 임상적으로 유효한 예측 AI 모델 개발에 신뢰할 수 있는 기반 제공.
•
한계점:
◦
연구 대상이 UCLH의 특정 환자군에 국한되어 일반화 가능성에 대한 추가 연구 필요.
◦
사용된 AI 모델의 성능 평가에 대한 추가적인 검증 필요 (예: 다른 데이터셋으로의 검증).
◦
다양한 유형의 신경외과 수술 및 환자 특성에 대한 일반화 가능성 확인 필요.
◦
장기적인 예측 정확도 및 임상적 유용성에 대한 추가 연구 필요.
👍
Made with Slashpage