preloader

AI/Machine Learning Based Research

Key Performance

대표실적

수술 후 Fentanyl 기반 자가 통증 조절 환자에서의 오심/구토 예측 및 적정 용량 결정

수술 후 오심/구토는 little big problem이라고 불리울 정도로 환자의 수술 후 만족도를 결정하는 핵심 요소이다.
본 연구에서는 수술 후 오심/구토의 발생 확률을 Fentanyl 용량, 수술 관련 변수, 그리고 환자 공변량으로부터 다양한 시간대에 걸쳐 예측할 수 있는 기계학습 모델을 개발하였고, 이를 임상에서 손쉽게 사용할 수 있도록 온라인 웹 애플리케이션으로 구현하였다.

More Details

최소 침습적 부분 및 근치적 신장 절제술 후 급성 신장 손상 예측을 위한 위험 점수 시스템 개발

다양한 연구들이 minimally invasive nephrectomy 후의 AKI 발생에 대한 위험 인자를 규명하기 위해 수행되었으나 이들을 바탕으로 발생 위험을 효과적으로 예측하는 clinical risk scoring system은 본 연구 이전에는 존재하지 않았다.
본 연구는 minimally invasive nephrectomy 후에 발생하는 acute kidney injury (AKI)에 대한 risk factor을 발굴 하고 이를 기반으로 수술 후 AKI 위험을 평가하기 위한 clinical risk scoring system을 개발하여 임상에서 손쉽게 이용할 수 있도록 하였다.

More Details

부분 및 전 신절제술 후 chronic kidney disease (CKD) 발생의 조기 예측 모델 개발 및 예측의 핵심 변수인 수술 후 serum creatinine의 optimal sampling time point 예측

다양한 연구들이 radical nephrectomy 및 partial nephrectomy 후 CKD 발생의 예측 인자를 밝혔지만, 수술후 인자들, 혈중 creatinine에 대한 고려가 미비하였다.
본 연구에서는 신 절제술 후 5일간 creatinine의 level에 기반하여 1년 후의 creatinine level을 예측하였고, 최종적으로 CKD의 발생 위험을 평가하였다. 이를 통해 수술 수 CKD 발생의 예측을 위해 수술 후 정보가 핵심적인 중요성을 가짐을 보였으며, 수술 후 4을 최적의 채혈 시점으로 제시하였다.

More Details

수술 후 Fentanyl 기반 자가 통증 조절 환자에서의 오심/구토 예측 및 적정 용량 결정

수술 후 오심/구토는 little big problem이라고 불리울 정도로 환자의 수술 후 만족도를 결정하는 핵심 요소이다.
본 연구에서는 수술 후 오심/구토의 발생 확률을 Fentanyl 용량, 수술 관련 변수, 그리고 환자 공변량으로부터 다양한 시간대에 걸쳐 예측할 수 있는 기계학습 모델을 개발하였고, 이를 임상에서 손쉽게 사용할 수 있도록 온라인 웹 애플리케이션으로 구현하였다.

More Details

최소 침습적 부분 및 근치적 신장 절제술 후 급성 신장 손상 예측을 위한 위험 점수 시스템 개발

다양한 연구들이 minimally invasive nephrectomy 후의 AKI 발생에 대한 위험 인자를 규명하기 위해 수행되었으나 이들을 바탕으로 발생 위험을 효과적으로 예측하는 clinical risk scoring system은 본 연구 이전에는 존재하지 않았다.
본 연구는 minimally invasive nephrectomy 후에 발생하는 acute kidney injury (AKI)에 대한 risk factor을 발굴 하고 이를 기반으로 수술 후 AKI 위험을 평가하기 위한 clinical risk scoring system을 개발하여 임상에서 손쉽게 이용할 수 있도록 하였다.

More Details
AI/Machine Learning Based Research

인공지능/기계학습 및 연구

미래의 신약 개발에서 그 비중이 커질 것으로 예상되는 Real World Data (RWD) 기반 연구에 대해 세브란스병원 임상약리학과는 광범위한 영역에서의 자문을 제공합니다.
현재까지 신약 개발에서 약물의 효과를 증명하는 가장 효과적인 방법은 무작위대조군 임상시험(Randomized Controlled Clinical Trial; RCT)이지만 해당 방법은 모든 약물 연구에 언제나 사용할 수 있는 방법은 아닙니다.

대표적인 예로 충분한 대상자를 모집하기에 어려운 희귀 질환을 대상으로 한 약물 개발에서는 사용하기가 어렵습니다. 아울러 RCT는 실제 임상에서 약물이 투여되는 모든 종류의 환자를 포함하지 못하며 대개의 경우 중증의 환자, 동반질환을 가진 환자, 여러 약물을 복용하는 환자를 제외하게 되므로 이러한 대상자군에 대한 약물의 효과 및 안전성을 충분히 확인하기에는 어렵다는 한계를 지닙니다.

미국 FDA에서는 2016년 ‘21st Century Cures Act’ 법안을 제정하여 실사용데이터(Real World Data; RWD)에 근거한 신약 개발을 장려하고 있으며 RWD는 전통적인 임상 시험 외의 출처에서 얻어진 다양한 데이터를 총괄합니다. 대표적인 예가 병원에 내원한 환자로부터 취득한 전자의무기록(Electronic Medical Record; EMR)이 있습니다. RWD는 광범위한 정보의 종류 및 양으로 말미암아 인공지능 및 기계학습 (AI/machine learning) 기반 분석 방법을 필요로 합니다.

세브란스병원 임상약리학과에서는 다년간 EMR을 바탕으로 한 기계학습 연구를 수행해 온 바가 있으며 그 결과로 RWD 기반 최적 용량/용법을 제시하거나 환자의 치료 예후를 예측하는 연구 등을 수행한 바가 있습니다. 미래의 신약 개발에서 그 비중이 커질 것으로 예상되는 RWD 기반 연구에 대해 세브란스병원 임상약리학과는 광범위한 영역에서의 자문을 제공합니다.