| 1 |
1
전자 장치에 있어서,고위험 환자의 상태 악화를 예측하기 위한 인공지능 모델이 저장된 메모리; 및환자의 나이, 성별, 체질량지수, 동반 질환, 호흡률, 산소 포화도, 수축기 혈압, 맥박수, 체온, 및 의식 수준을 포함하는 상기 환자의 건강 정보를 상기 인공지능 모델에 입력하고, 상기 인공지능 모델의 출력을 기반으로 상기 환자의 상태 악화를 예측하는, 프로세서;를 포함하는, 전자 장치
|
| 2 |
2
제1항에 있어서,상기 인공지능 모델은,환자의 건강 정보에 포함되는 임의의 특성들을 기반으로 상태 악화를 예측하기 위한 복수의 결정 트리를 포함하는, 랜덤 포레스트 형식으로 구성된, 전자 장치
|
| 3 |
3
제2항에 있어서,상기 프로세서는,제1 시점(time point)에 획득된 복수의 환자의 건강 정보, 및 상기 제1 시점 이후의 적어도 하나의 제2 시점에 획득된 상기 복수의 환자의 상태를 기반으로, 상기 복수의 결정 트리 각각을 훈련시키는, 전자 장치
|
| 4 |
4
제1항에 있어서,상기 프로세서는,상기 인공지능 모델의 출력을 기반으로, 일정 기간 내 상기 환자의 중환자실 입실 또는 병원 내 사망을 예측하는, 전자 장치
|
| 5 |
5
제1항에 있어서,상기 프로세서는,복수의 환자 각각의 건강 정보를 상기 인공지능 모델에 입력하여, 상기 복수의 환자 각각의 상태 악화 가능성 및 악화된 상태를 예측하고,상기 예측된 상기 복수의 환자 각각의 상태 악화 가능성 및 악화된 상태를 기반으로, 상기 복수의 환자에 대한 치료의 우선순위를 식별하는, 전자 장치
|
| 6 |
6
제1항에 있어서,상기 프로세서는,복수의 환자 각각의 건강 정보를 상기 인공지능 모델에 입력하여, 상기 복수의 환자 각각의 상태 악화 여부를 예측하고,상기 복수의 환자 중 상태 악화가 예측되는 고위험 환자들의 수를 식별하는, 전자 장치
|
| 7 |
7
제6항에 있어서,상기 프로세서는,복수의 의료 시설 별 가용 중환자실 수를 모니터링하고,상기 의료 시설 별 가용 중환자실 수 및 상기 고위험 환자들의 수를 기반으로, 상기 복수의 의료 시설에 대한 상기 고위험 환자들의 배치 정보를 생성하는, 전자 장치
|
| 8 |
8
제7항에 있어서,상기 프로세서는,상기 복수의 의료 시설 각각의 위치 및 상기 고위험 환자들 각각의 현재 위치를 기반으로, 상기 고위험 환자들의 이동 거리의 합이 최소가 되도록 상기 배치 정보를 생성하는, 전자 장치
|
| 9 |
9
제7항에 있어서,상기 프로세서는,상기 인공지능 모델의 출력을 기반으로, 상기 고위험 환자들 각각의 상태 악화 가능성 및 악화된 상태를 예측하고,상기 예측된 상태 악화 가능성 및 악화된 상태를 기반으로, 상기 고위험 환자들에 대한 치료의 우선순위를 식별하고,상기 고위험 환자들 각각의 우선순위에 따라, 상기 고위험 환자들 각각의 단위 거리 이동에 대한 가중치를 선택하고,상기 복수의 의료 시설 각각의 위치 및 상기 고위험 환자들 각각의 현재 위치를 기반으로, 상기 고위험 환자들마다 상기 가중치에 이동거리를 곱한 값들의 합이 최소가 되도록 상기 배치 정보를 생성하는, 전자 장치
|
| 10 |
10
고위험 환자의 상태 악화를 예측하기 위한 인공지능 모델을 포함하는 전자 장치의 상태 악화 예측 방법에 있어서,환자의 나이, 성별, 체질량지수, 동반 질환, 호흡률, 산소 포화도, 수축기 혈압, 맥박수, 체온, 및 의식 수준을 포함하는 상기 환자의 건강 정보를 상기 인공지능 모델에 입력하는 단계; 및상기 인공지능 모델의 출력을 기반으로, 상기 환자의 상태 악화를 예측하는 단계;를 포함하는, 전자 장치의 상태 악화 예측 방법
|
| 11 |
11
컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램에 있어서,전자 장치의 프로세서에 의해 실행되어, 상기 전자 장치로 하여금 제10항의 상태 악화 예측 방법을 수행하도록 하는, 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램
|
