OAK

인공지능 프로그램 기반 병원 중증환자관리 평가 지표 및 개선 근거 연구

Metadata Downloads
저자
임현선이정모
키워드 (국문)
신속대응시스템인공지능 솔루션예측력시계열 자료알람 예측력
키워드 (영문)
Rapid Response SystemA.I. solutionPredictive performanceTime series dataAlarm performance
발행연도
2025-03-14
발행기관
국민건강보험공단 일산병원
유형
Report
초록
Background
The Rapid Response System (RRS) aims to prevent critical incidents like cardiac arrest and unexpected death by enabling immediate medical interventions when patients deteriorate unexpectedly.
Objective
This study examines the impact of RRS implementation at our hospital, introduced in April 2019, on key metrics: cardiopulmonary resuscitation (CPR), unexpected ICU transfer, and unexpected death. It also assesses the effect of an AI solution, added in November 2022, on these outcomes. Data from January 1, 2012, to June 30, 2024, were analyzed using ARIMA, with metrics evaluated via AUROC, recall, and precision.
Results
After implementing RRS, a statistically significant reduction was observed only in CPR, with no significant changes in unexpected ICU transfers or deaths. The AI solution also showed a statistically significant reduction in CPR incidence but did not significantly impact the other metrics. AI performed worse than clinicians in predicting CPR and unexpected death (lower AUROC) but better for predicting unexpected ICU transfers. There were no major differences in prediction accuracy among models like MAES, NEWS, and MEWS. It is expected that AI-based RRS systems will improve over time. In some cases, the AI system detected critical issues that clinicians missed due to off-hours or lack of real-time monitoring. Discrepancies between automated and manual record systems highlighted limitations in evaluating real-time predictions. The proactive nature of monitoring studies introduces bias, as interventions can skew the comparison of predictive results. This study observed lower predictive performance compared to earlier validation studies, likely due to differences in the dataset and model performance over time.
Conclusion
Both the RRS and AI solution significantly reduced CPR incidences but did not impact other metrics. While the AI’s predictive performance did not meet expectations, biases in evaluation methods and data characteristics should be addressed in future studies. Additionally, optimizing RRS, particularly for off-hours, will help prevent critical incidents and improve patient outcomes.
목차
요 약 3
제1장 신속대응시스템 7
제1절 사업 개요 9
제2절 사업 주요 내용 9
제3절 요양 급여 및 비용 11
제4절 시범사업 운영 방안 12
제5절 평가 및 모니터링 13
제6절 향후 과제 13
제2장 인공지능(A.I.) 솔루션 15
제1절 인공지능(A.I.) 솔루션이란 17
제2절 AITRICS Vital Care 소개 18
제3절 성능 및 예측 모델 19
제4절 활용 및 적용 가능성 19
제5절 향후 전망 20
제3장 연구 자료 및 분석 방법 21
제1절 연구 가설 23
제2절 연구 설계 및 정의 24
제3절 시계열 자료 분석 26
제4절 예측 평가 지표 27
제4장 신속대응시스템 도입 효과 29
제1절 신속대응시스템 도입 전후 31
제2절 인공지능(A.I.) 솔루션 도입 전후 34
제5장 인공지능(A.I.) 예측 37
제1절 Predictive Performance 39
제2절 Alarm Performance 42
제3절 Timeliness Performance 46
제4절 How Robust (Subgroup Analysis) 49
제5절 그 외 예측값 50
제6장 No Alarm 특성 53
제1절 심폐소생술 55
제2절 예상치 못한 중환자실 전실 57
제3절 예기치 못한 사망 59
제7장 모니터링 평가 지표의 적절성 61
제1절 기존 평가 지표 63
제2절 시뮬레이션 결과 65
제8장 결론 및 향후 방향 67
제1절 결과 69
제2절 결론 71
제3절 향후 방향 73
참고문헌 75
부록 79
자료발행국가
한국
보고서 번호
NHIMC-2024-PR-007
ISBN
979-11-93542-79-8
공개 및 라이선스
  • 공개 구분비공개
파일 목록
  • 관련 파일이 존재하지 않습니다.

Loading...