MIMIC-III 데이터베이스를 사용하여 모든 원인에 대한 입원 중 사망 예측을 위한 기계 학습 모델을 평가한 연구입니다. 심박수, 혈압과 같은 활력 징후, 크레아티닌, 포도당과 같은 실험실 결과 및 인구 통계 정보 등을 포함한 포괄적인 특징 엔지니어링 접근 방식을 사용했습니다. 랜덤 포레스트 모델이 0.94의 AUC로 최고 성능을 달성하여 다른 기계 학습 및 심층 학습 접근 방식을 크게 능가했습니다. 이는 랜덤 포레스트가 고차원적이고 노이즈가 많은 임상 데이터를 처리하는 데 강력함을 보여주며 효과적인 임상 의사결정 지원 도구 개발 가능성을 시사합니다. 정확한 사망률 예측을 위해서는 신중한 특징 엔지니어링이 중요함을 강조합니다.
