바이오인

병원 내 중대 이벤트 예측 시스템

I. 결과물 개요

II. 기술의 개념 및 내용

1. 기술의 개념

○본 시스템은 해석 가능한 딥 컨볼루셔널 뉴럴 네트워크를 기반으로 패혈증 등 주요 이벤트를 조기에 예측하여 환자의 예후 향상을 도모하는 소프트웨어로서, 환자의 위험도를 실시간으로 산출하여, 고위험군을 쉽게 파악할 수 있는 대시보드와 이를 통한 모바일 알람 등 다양한 기능을 포함하여, 임상 현장에 종사하는 의사, 간호사의 업무 효율 향상에 실질적으로 기여하고자 함

2. 특징 및 장점

○임상적으로 유의미한 예측 결과를 제공하기 위해, 후향 데이터를 통해 머신러닝 모델을 학습할 때부터 엄격한 조작적 정의를 통해 데이터의 레이블을 결정하며, 이를 기반으로 해석 가능한 딥 네트워크를 학습하였기 때문에 전향 검증에서 본 시스템 사용 시 환자 예후가 향상되는 결과를 기대할 수 있음

○본 시스템은 중환자실용 모델, 일반병동용 모델로 세분되어 있으며, 중환자실용 모델은 한 시간 간격으로 입력되는 활력 징후, 하루 간격으로 입력되는 혈액 검사 수치를 기반으로 패혈증 및 사망 여부를 조기에 예측하며, 일반병동용 모델은 8시간 간격으로 입력되는 활력 징후, 비정기적으로 입력되는 혈액 검사 수치를 기반으로 머신러닝 모델을 학습

[그림 1] 시스템 구성도

○이벤트 발생 예측값을 생성하기 위해 24시간 데이터만을 활용하기 때문에 컨볼루셔널 네트워크 기반으로 모델을 설계하였으며, 이벤트별 위험 인자를 추출하기 위해 해석 가능 모듈을 결합하여 임상적으로 유의미한 위험 인자를 도출함

3. 기술의 상세내용 및 사업화 제약사항

○기술의 상세내용
- 본 제품의 명칭은 VitalCare이며, 사망 또는 패혈증 위험도 예측 방법 및 이를 이용한 현황판 제작, 모바일 알람 발송 기술을 포함함

[그림 2] 예측 모델 구성도

[표 1] 중환자실, 일반병동, 응급실을 기준으로 VitalCare에서 제공하는 주요 기능 요약

○사업화 제약사항
- 의료수가 인정을 위해서는 의료기기 인증 및 신의료기술평가를 통과해야 하며, 본 시스템을 사용할 때 환자의 예후가 유의미하게 향상되는지를 전향적으로 엄격하게 검증해야 함

III. 국내외 기술 동향 및 경쟁력

1. 국내 기술 동향

○아산병원과 아주대에서 패혈증을 RNN 및 MLP 기반으로 조기에 예측하는 모델을 개발함
- “Learning Representations for the Early Detection of Sepsis with Deep Neural Networks,” Computers in Biology and Medicine, 2017

2. 해외 기술 동향

○Dascena는 미국 스타트업으로, 중환자실 후향 데이터 중 활력 징후와 혈액 검사 수치를 기반으로 개발한 패혈증 조기 예측 모델(제품명 Insight)을 개발하였으며, 현재 해당 모델을 전향적으로 검증하고 있으며, 사업화를 진행 중임
- “A Computational Approach to Early Sepsis Detection,” CBM. 2016.
- “Prediction of Sepsis in the Intensive Care Unit with Minimal Electronic Health Record Data: A Machine Learning Approach,” JMIR. 2017.
- “Multicenter Validation of a Sepsis Predicton Algorithm using Only Vital Sign Data in the Emergency Department, General Ward, and ICU,” BMJ Open. 2018.

3. 관련 보유 특허

4. 기술적 경쟁력

IV. 국내외 시장 동향 및 전망

1. 국내 시장 동향 및 전망

○머신러닝 기술을 통한 의료 영상 분석 연구가 스타트업 및 학계에서 활발히 연구되고 있으며, 주요 시장에서 선도업체들이 이미 존재하면서 산업화 초입단계로 평가됨

○국내의 경우 Lunit, Vuno가 시장을 선도하고 있으며 흉부 X-ray 판독, 뼈나이 판독, 안저 영상 분석 등을 개발하여 의료기기 인증을 진행함

2. 해외 시장 동향 및 전망

○머신러닝 기술을 임상 현장에 적용하여 임상의 및 간호사의 업무 효율을 향상시키고 환자 예후 향상을 도모하고자 하는 연구가 기업 및 병원에서 활발하게 진행되고 있음
- ExcelMedical은 미국에서 1996년에 설립된 기업으로, 통합 의료기기시스템과 환자 모니터링 솔루션 개발에 집중하고 있으며, 대표 제품으로 심장 질환 관련 환자의 활력 징후를 모니터링하여 의료진에게 실시간으로 알람을 발송하는 플랫폼을 보유(제품명: WAVE)
- EarlySense는 이스라엘에서 2004년에 설립된 기업으로, 비접촉 감지시스템 개발 및 분석 솔루션을 제공하고 있는데, 환자의 활력 징후를 비접촉 센서로 측정하여 위험 상황을 조기에 알려주는 플랫폼이 대표제품임
- PeraHealth는 미국에서 2014년에 설립된 기업으로, 임상적으로 검증된 Rothmann Index를 개발하여 환자의 건강 상태를 실시간으로 정량적 지표로 판단하여 고위험군을 쉽게 파악할 수 있는 현황판 솔루션을 보유

○머신러닝 기반 의료 영상 분석 솔루션과 관련하여, 미국 시장은 Zebra Medical, 중국 시장은 VoxelCloud가 시장을 선도함

3. 제품화 및 활용 분야

V. 기대효과

○VitalCare 솔루션 상용화를 통해 해당 제품 사용 시 환자 예후가 개선된다는 점이 전향적으로 입증된다면 의료수가 인정을 통해 의료 산업에 큰 파급효과를 줄 것으로 기대

○EHR 분석 솔루션 시장 규모가 국내외 모두 지속적으로 성장 중이므로, 초기 시장을 선점한다면 향후 국내에서 개발된 머신러닝 기반 의료기기의 국제적 경쟁력을 확보할 수 있음

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.