본 논문은 전신 마취 중 빈번하게 발생하며 심근 손상 및 사망률 증가와 강하게 연관된 수술 중 저혈압(IOH) 예측을 위한 다중 모드 언어 모델 프레임워크인 IOHFuseLM을 제안한다. 희소한 저혈압 사건을 정확하게 식별하고 구분하기 위해, 확산 방법을 통해 증강된 IOH 생리학적 시계열 데이터를 이용한 도메인 적응적 사전 학습과 원본 임상 데이터셋을 이용한 과제 미세 조정의 두 단계 학습 전략을 활용한다. 환자별 다중 모드 융합을 위해 구조화된 임상 설명을 토큰 수준에서 해당 생리학적 시계열과 정렬하여 개별화된 시간적 패턴과 임상 의미를 함께 포착하고, 정적인 환자 속성을 구조화된 텍스트로 변환하여 개인화된 정보를 풍부하게 한다. 두 개의 수술 중 데이터셋에 대한 실험 평가 결과, IOHFuseLM은 기존 기준 모델보다 IOH 사건을 정확하게 식별하는 데 우수한 성능을 보이며 임상 의사 결정 지원 시나리오에서의 적용 가능성을 강조한다. 코드는 공개적으로 제공된다.
시사점, 한계점
•
시사점:
◦
수술 중 저혈압(IOH) 예측을 위한 새로운 다중 모드 언어 모델 IOHFuseLM 제시
◦
확산 방법을 이용한 데이터 증강과 두 단계 학습 전략을 통해 희소한 저혈압 사건 식별 성능 향상
◦
구조화된 임상 설명과 생리학적 시계열 데이터의 토큰 수준 정렬을 통한 다중 모드 융합 및 개인화된 정보 활용
◦
기존 기준 모델 대비 우수한 IOH 예측 성능 입증 및 임상 의사 결정 지원 시나리오 적용 가능성 제시
