| 1 |
1
프로세서에 의해 구현되는 사망 위험도 또는 패혈증 위험도를 예측하는 방법에 있어서,개체에 대한 생체 신호 데이터를 수신하는 단계;상기 생체 신호 데이터를 기초로 위험도 시퀀스를 생성하도록 구성된 위험도 시퀀스 생성 모델을 이용하여, 상기 개체의 위험도 시퀀스를 생성하는 단계, 및상기 위험도 시퀀스를 기초로 상기 개체에 대한 사망 위험도 또는 패혈증 위험도를 예측하는 단계를 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 2 |
2
제1항에 있어서,상기 생체 신호 데이터를 수신하는 단계는,상기 개체에 대한 온도, 맥박, 산소 포화도, 수축기 혈압, 이완기 혈압 및 평균혈압으로 이루어진 그룹 중 적어도 하나의 상기 생체 신호 데이터를 수신하는 단계를 포함하고,상기 사망 위험도 또는 패혈증 위험도를 예측하는 단계는,상기 위험도 시퀀스를 기초로, 사망 위험도를 예측하는 단계를 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 3 |
3
제2항에 있어서,상기 생체 신호 데이터를 수신하는 단계는,미리 결정된 시간 단위로 상기 생체 신호 데이터를 복수회 수신하는 단계를 포함하고,상기 위험도 시퀀스를 생성하는 단계는,상기 위험도 시퀀스 생성 모델을 이용하여, 상기 미리 결정된 시간 단위로 복수회 수신한 상기 생체 신호 데이터를 기초로 상기 미리 결정된 시간 단위의 위험도 시퀀스를 생성하는 단계, 상기 사망 위험도 또는 패혈증 위험도를 예측하는 단계는,상기 미리 결정된 시간 단위의 위험도 시퀀스를 기초로 사망 위험도를 예측하는 단계를 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 4 |
4
제1항에 있어서, 글래스고혼수척도 (Glasgow coma scale, GCS), 동맥혈산소포화도, 흡입기산소농도, 중탄산이온 농도, 빌리루빈 (bilirubin) 수준, 크레아티닌 (creatinine) 수준, 혈소판 수치, 총 요 배설량, 칼륨 농도, 나트륨 농도, 백혈구 수치, 젖산 농도, APH (anterior pituitary hormone) 수준 및 해마토크리트 수치로 이루어진 그룹 중 선택된 적어도 하나의 상기 개체에 대한 생물학적 시험 (biological test) 데이터를 수신하는 단계를 더 포함하고, 상기 위험도 시퀀스를 생성하는 단계는, 상기 위험도 시퀀스 생성 모델을 이용하여, 상기 생체 신호 데이터 및 상기 생물학적 시험 데이터를 기초로, 패혈증 위험도 시퀀스를 생성하는 단계를 더 포함하고,상기 사망 위험도 또는 패혈증 위험도를 예측하는 단계는,상기 패혈증 위험도 시퀀스를 기초로, 상기 패혈증 위험도를 예측하는 단계를 더 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 5 |
5
제4항에 있어서,상기 생체 시험 데이터를 수신하는 단계는,미리 결정된 시간 단위로 복수회 측정된, 상기 생물학적 시험 데이터의 최대값, 최소값 및 평균값을 수신하는 단계를 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 6 |
6
제4항에 있어서,상기 생체 신호 데이터를 수신하는 단계는,상기 개체에 대한 온도, 맥박, 산소 포화도, 수축기 혈압, 이완기 혈압 및 평균혈압으로 이루어진 그룹 중 적어도 하나의 상기 생체 신호 데이터를 수신하는 단계를 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 7 |
7
제1항에 있어서,상기 사망 위험도 또는 패혈증 위험도를 예측하는 단계 이후에 수행되는,상기 개체에 대한 위험도 알림을 제공하는 단계를 더 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 8 |
8
제7항에 있어서,상기 위험도 시퀀스 생성 모델은, 상기 생체 신호 데이터를 기초로, 사망 위험 점수를 산출하도록 더 구성되고,상기 위험도 알림을 제공하는 단계 이전에 수행되는, 상기 개체에 대한 생물학적 시험 데이터를 수신하는 단계를 더 포함하고, 상기 위험도 알림 모델은,상기 위험도 시퀀스 생성 모델에 의해 산출된 상기 사망 위험 점수를 기초로 벡터값을 출력하도록 구성된 제1 알림 모델, 상기 생체 신호 데이터를 기초로 벡터값을 출력하도록 구성된 제2 알림 모델, 및 상기 생물학적 시험 데이터를 기초로 벡터값을 출력하도록 구성된 제3 모델 중 적어도 하나, 및상기 제1 알림 모델, 상기 제2 알림 모델 및 상기 제3 알림 모델 중 적어도 하나의 모델에 의해 출력된 상기 벡터값에 기초하여 사망 위험 알림을 제공 여부를 결정하도록 구성된 제4 알림 모델을 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 9 |
9
제8항에 있어서,상기 위험도 알림을 제공하는 단계 이전에 수행되는, 상기 개체에 대한 약물 투여 기록 또는 알림 발송 기록을 수신하는 단계를 더 포함하고, 상기 알림 모델은, 제1 알림 모델 및 제4 알림 모델을 포함하고, 상기 제1 알림 모델은, 상기 사망 위험 점수 및, 상기 약물 투여 기록 또는 상기 알림 발송 기록을 기초로 벡터값을 출력하도록 더 구성된, 사망 또는 패혈증 위험도의 예측 방법
|
| 10 |
10
제1항에 있어서,상기 사망 위험도는,미리 결정된 시간 전 사망 발생의 위험도로 정의되고,상기 패혈증 위험도는,상기 미리 결정된 시간 전 패혈증 발병의 위험도로 정의되는, 사망 또는 패혈증 위험도 예측 방법
|
| 11 |
11
제1항에 있어서,상기 위험도 시퀀스 생성 모델은, 표본 개체에 대하여, 위험도가 발생하기 미리 결정된 시간 전에 획득된 학습용 생체 신호 데이터를 수신하는 단계;상기 학습용 생체 신호 데이터를 기초로 학습용 위험도 시퀀스를 생성하는 단계, 및 상기 학습용 위험도 시퀀스를 기초로 상기 위험도가 발생하기 임의의 시간 전에 상기 표본 개체에 대한 위험도를 예측하는 단계에 의해 학습된 모델인, 사망 또는 패혈증 위험도 예측 방법
|
| 12 |
12
제11항에 있어서,상기 표본 개체는, 사망한 개체이고, 상기 표본 개체에 대한 위험도를 예측하는 단계는,상기 학습용 위험도 시퀀스를 기초로, 상기 표본 개체에 대한 사망 위험도를 예측하는 단계를 포함하는, 사망 또는 패혈증 위험도 예측 방법
|
| 13 |
13
제11항에 있어서,상기 표본 개체는, 패혈증 발병 개체이고, 상기 표본 대상자의 패혈증 발병 시점으로부터 미리 결정된 시간 이전에 획득된 학습용 생물학적 시험 데이터를 수신하는 단계를 더 포함하고,상기 학습용 위험도 시퀀스를 생성하는 단계는,상기 학습용 생물학적 시험 데이터 및 상기 학습용 생체 신호 데이터를 기초로 학습용 패혈증 위험도 시퀀스를 생성하는 단계를 포함하고, 상기 표본 개체에 대한 위험도를 예측하는 단계는,상기 학습용 패혈증 위험도 시퀀스를 기초로 상기 표본 개체에 대한 패혈증 발병 위험도를 예측하는 단계를 포함하는, 사망 또는 패혈증 위험도 예측 방법
|
| 14 |
14
개체에 대한 생체 신호 데이터를 수신하도록 구성된 수신부, 및상기 수신부와 통신하도록 연결된 프로세서를 포함하고,상기 프로세서는, 상기 생체 신호 데이터를 기초로 위험도 시퀀스를 생성하도록 구성된 위험도 시퀀스 생성 모델을 이용하여, 상기 개체의 위험도 시퀀스를 생성하고, 상기 위험도 시퀀스를 기초로 상기 개체에 대한 사망 위험도 또는 패혈증 위험도를 예측하도록 구성된, 사망 또는 패혈증 위험도 예측용 디바이스
|
| 15 |
15
제14항에 있어서,상기 수신부는 상기 개체에 대한 온도, 맥박, 산소 포화도, 수축기 혈압, 이완기 혈압 및 평균혈압으로 이루어진 그룹 중 적어도 하나의 상기 생체 신호 데이터를 수신하도록 구성되고,상기 프로세서는,상기 위험도 시퀀스를 기초로, 사망 위험도를 예측하도록 더 구성된, 사망 또는 패혈증 위험도 예측용 디바이스
|
| 16 |
16
제15항에 있어서,상기 수신부는미리 결정된 시간 단위로 상기 생체 신호 데이터를 복수회 수신하도록 구성되고,상기 프로세서는,상기 위험도 시퀀스 생성 모델을 이용하여, 상기 미리 결정된 시간 단위로 복수회 수신한 상기 생체 신호 데이터를 기초로 상기 미리 결정된 시간 단위의 위험도 시퀀스를 생성하고, 상기 미리 결정된 시간 단위의 위험도 시퀀스를 기초로 사망 위험도를 예측하도록 더 구성된, 사망 또는 패혈증 위험도 예측용 디바이스
|
| 17 |
17
제14항에 있어서, 상기 수신부는,글래스고혼수척도, 동맥혈산소포화도, 흡입기산소농도, 중탄산이온 농도, 빌리루빈 수준, 크레아티닌 수준, 혈소판 수치, 총 요 배설량, 칼륨 농도, 나트륨 농도, 백혈구 수치, 젖산 농도, APH 수준 및 해마토크리트 수치로 이루어진 그룹 중 선택된 적어도 하나의 상기 개체에 대한 생물학적 시험 데이터를 수신하도록 더 구성되고, 상기 프로세서는, 상기 위험도 시퀀스 생성 모델을 이용하여, 상기 생체 신호 데이터 및 상기 생물학적 시험 데이터를 기초로, 패혈증 위험도 시퀀스를 생성하고, 상기 패혈증 위험도 시퀀스를 기초로, 상기 패혈증 위험도를 예측하도록 더 구성된, 사망 또는 패혈증 위험도 예측용 디바이스
|
| 18 |
18
제14항에 있어서,상기 프로세서는, 상기 개체에 대한 위험도 알림을 제공하도록 더 구성된, 사망 또는 패혈증 위험도 예측용 디바이스
|
| 19 |
19
제18항에 있어서,상기 위험도 시퀀스 생성 모델은, 상기 생체 신호 데이터를 기초로 사망 위험 점수를 산출하도록 더 구성되고,상기 수신부는, 상기 개체에 대한 생물학적 시험 데이터를 수신하도록 더 구성되고, 상기 위험도 알림 모델은,상기 위험도 시퀀스 생성 모델에 의해 산출된 상기 사망 위험 점수를 기초로 벡터값을 출력하도록 구성된 제1 알림 모델, 상기 생체 신호 데이터를 기초로 벡터값을 출력하도록 구성된 제2 알림 모델, 및 상기 생물학적 시험 데이터를 기초로 벡터값을 출력하도록 구성된 제3 모델 중 적어도 하나, 및상기 제1 알림 모델, 상기 제2 알림 모델 및 상기 제3 알림 모델 중 적어도 하나의 모델에 의해 출력된 상기 벡터값에 기초하여 사망 위험 알림을 제공 여부를 결정하도록 구성된 제4 알림 모델을 포함하는, 사망 또는 패혈증 위험도의 예측 디바이스
|
| 20 |
20
제1항에 있어서,상기 생체 신호 데이터를 수신하는 단계는,미리 결정된 시간 단위로 복수회 측정된, 상기 생체 신호 데이터의 최대값, 최소값 및 평균값을 수신하는 단계를 포함하고,상기 개체의 위험도 시퀀스를 생성하는 단계는,상기 위험도 시퀀스 생성 모델을 이용하여, 상기 생체 신호 데이터의 최대값, 최소값 및 평균값에 기초하여 상기 개체의 위험도 시퀀스를 생성하는 단계를 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 21 |
21
제1항에 있어서,상기 개체에 대한 연령 데이터를 수신하는 단계를 더 포함하고,상기 개체의 위험도 시퀀스를 생성하는 단계는, 상기 위험도 시퀀스 생성 모델을 이용하여, 상기 생체 신호 데이터 및 상기 연령 데이터에 기초하여, 상기 개체의 위험도 시퀀스를 생성하는 단계를 더 포함하는, 사망 또는 패혈증 위험도의 예측 방법
|
| 22 |
22
제14항에 있어서,상기 수신부는, 미리 결정된 시간 단위로 복수회 측정된, 상기 생체 신호 데이터의 최대값, 최소값 및 평균값을 수신하도록 더 구성되고,상기 프로세서는, 상기 위험도 시퀀스 생성 모델을 이용하여, 상기 생체 신호 데이터의 최대값, 최소값 및 평균값에 기초하여 상기 개체의 위험도 시퀀스를 생성하도록 더 구성된, 사망 또는 패혈증 위험도의 예측 디바이스
|
| 23 |
23
제17항에 있어서,상기 수신부는, 미리 결정된 시간 단위로 복수회 측정된, 상기 생물학적 시험 데이터의 최대값, 최소값 및 평균값을 수신하도록 더 구성되고,상기 프로세서는, 상기 위험도 시퀀스 생성 모델을 이용하여, 상기 생물학적 시험 데이터의 최대값, 최소값 및 평균값에 기초하여 상기 패혈증 위험도 시퀀스를 생성하도록 더 구성된, 사망 또는 패혈증 위험도의 예측 디바이스
|
| 24 |
24
제14항에 있어서,상기 수신부는,상기 개체에 대한 연령 데이터를 수신하도록 더 구성되고,상기 프로세서는, 상기 위험도 시퀀스 생성 모델을 이용하여, 상기 생체 신호 데이터 및 상기 연령 데이터에 기초하여, 상기 개체의 위험도 시퀀스를 생성하도록 더 구성된, 사망 또는 패혈증 위험도의 예측 디바이스
|
