Dec 04, 2023
코로나19로 입원한 환자의 입원 기간을 예측하기 위한 인공 신경망 훈련 알고리즘 비교
BMC 전염병
BMC 전염병 22권, 기사 번호: 923(2022) 이 기사 인용
1178 액세스
1 인용
1 알트메트릭
측정항목 세부정보
코로나바이러스 질병 2019(COVID-19)의 기하급수적인 확산은 병원 자원(병상, 직원, 장비)의 심각한 부족으로 전 세계 의료 시스템에 예상치 못한 경제적 부담을 초래합니다. 임상 치료와 병원 자원 활용을 최적화하기 위해 환자의 입원 기간(LOS)을 관리하는 것은 매우 어렵습니다. 미래 수요를 예측하려면 환자의 LOS에 대한 신뢰할 수 있는 예측이 필요하며 이는 적절한 조치를 취하는 데 도움이 될 수 있습니다. 따라서 본 연구의 목적은 코로나19 환자의 병원 LOS 예측을 위한 최적의 훈련 알고리즘 기반의 다층 퍼셉트론-인공 신경망(MLP-ANN) 알고리즘을 활용한 모델을 개발하고 검증하는 것이다.
단일 센터 레지스트리를 사용하여 2020년 2월 9일부터 2020년 12월 20일까지 실험실에서 확인된 코로나19 입원 사례 1,225건의 기록을 분석했습니다. 본 연구에서는 먼저 ANN 모델의 입력으로 가장 중요한 변수를 결정하기 위해 상관계수 기법을 개발하였다. P 값이 0.2 미만인 상관 계수를 갖는 변수만 모델 구성에 사용되었습니다. 그런 다음 전체 및 선택된 기능 데이터 세트(90%는 훈련, 10%는 모델 검증에 사용됨)에 따라 12개의 훈련 알고리즘을 기반으로 예측 모델이 개발되었습니다. 그 후, 최고의 ANN 훈련 알고리즘을 선택하기 위해 RMSE(Root Mean Square Error)를 사용하여 모델 성능을 평가했습니다. 마지막으로 모델의 외부 검증을 위해 총 343명의 환자가 사용되었습니다.
특징 선택을 구현한 후 모델 구축을 위해 코로나19 환자의 LOS에 기여하는 요인으로 총 20개의 변수를 결정했습니다. 수행된 실험에 따르면 RMSE가 각각 1.6213 및 2.2332인 전체 기능과 선택된 기능에 대한 베이지안 정규화(BR) 훈련 알고리즘의 숨겨진 계층에 20개 및 10개의 뉴런이 있는 신경망이 최고의 성능을 발휘하는 것으로 나타났습니다.
MLP-ANN 기반 모델은 입원 시 쉽게 사용할 수 있는 데이터를 사용하여 입원한 COVID-19 환자의 LOS를 안정적으로 예측할 수 있습니다. 이와 관련하여, 우리 연구에서 개발된 모델은 의료 시스템이 제한된 병원 자원을 최적으로 할당하고 정보에 기반한 증거 기반 결정을 내리는 데 도움이 될 수 있습니다.
동료 검토 보고서
코로나바이러스 질환 2019(COVID-19)는 전염성이 매우 높은 바이러스 감염으로 지금까지 전 세계적으로 빠르게 확산되어 심각한 글로벌 건강 문제가 되었습니다. 코로나19의 급속한 발생으로 인해 의료 기관은 병원 자원 부족과 일선 의료 종사자의 피로에 노출되었습니다[1,2,3,4,5,6]. 지금까지 임상 증상은 무증상 또는 경미한 독감 유사 증상부터 중증 호흡기 질환 및 폐렴, 중환자실(ICU) 입원, 다기관 부전(MOF), 궁극적으로는 사망에 이르기까지 다양한 환자들 사이에서 상당한 이질성을 보여왔습니다. ]. 코로나19의 높은 전파율, 새로운 변종의 출현, 알려지지 않은 임상 패턴은 의료 시스템에 엄청난 압박을 가하고 있습니다. 이에 따라 진료를 원하는 환자가 급증하고 입원도 급증하고 있다[8, 9]. 이러한 과밀화는 특히 중저소득 국가(LMIC)의 자원 제약이 심각한 의료 시스템에 대한 바이러스 확산의 잠재적 영향에 대해 심각한 우려를 불러일으킵니다[10, 11]. 이 팬데믹 위기 동안 의료 서비스를 보다 저렴하게 만들고 병원의 과잉을 방지하려면 병원에서 사용할 수 있는 의료 시설(예: 병원 침대 및 호흡기 인공호흡기 등)의 효과적인 사용을 위한 객관적이고 증거 기반 개입을 채택하는 것이 중요합니다. [12].