PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.19292v1cs.LG

보편적 주변 센싱 정보를 활용한 중환자실(ICU) 섬망 위험도 계층화

Risk Stratification for ICU Delirium using Pervasive Ambient Sensing Information

섬망은 중환자실(ICU)에서 흔하고 심각한 합병증으로, 이환율 증가, 입원 기간 연장, 의료 비용 상승과 관련이 있습니다. 그러나 널리 퍼져 있음에도 불구하고 조기 예측과 예방은 여전히 어려운 과제입니다. 주변 소음과 조명과 같은 환경적 요인은 섬망 발병에 영향을 미칠 수 있지만, 위험 평가에서 간과되는 경우가 많습니다. 본 연구에서는 조도와 음압 수준이 다양한 예측 기간에 걸쳐 섬망을 독립적으로 예측할 수 있는지 조사했습니다. 9개 중환자실(ICU)의 309명의 환자로부터 수집된 데이터를 사용하여 10가지 예측 윈도우 크기에 대한 섬망 예측을 위해 4가지 효율적인 순차 신경망 모델을 평가했습니다. Shapley Additive Explanations 분석을 사용하여 특징 중요도와 영향 방향을 보고했습니다. 합성곱 모델이 소음 데이터와 결합 데이터 모두에서 AUC = 0.80으로 가장 뛰어난 식별력을 달성했습니다. 전반적으로 소음 특징이 주요 예측 인자였습니다. 소음과 조명을 통합하면 단기(1주 미만) 예측이 향상되었으며, 결합 모델은 센싱 기간 직후에 가장 높은 위험도를 부여했습니다. 이러한 발견은 수동적 주변 센싱, 특히 소음이 섬망 위험도 추정을 위해 임상적으로 유의미하고 해석 가능한 신호를 제공할 수 있으며, 멀티모달 중환자실(ICU) 예측 및 예방 전략을 풍부하게 만드는 실용적인 경로를 제공함을 시사합니다.