초록
증가하는 환자 수요와 예산 제약은 임상 직원들에게 병상 관리가 매일의 도전으로 다가오게 합니다. 특히, 중환자실(ICU) 병상의 효율적인 배정은 생명 유지에 필요한 환자들에게 중요한 자원을 제공하기 위한 핵심 과제입니다. 이 문제를 해결하기 위해 현재의 중환자실 환자들이 단위에서 얼마나 머무를 것인지 예측하는 것이 필수적입니다. 본 연구에서는 시간적 컨볼루션과 포인트와이즈(1x1) 컨볼루션의 조합을 기반으로 하는 새로운 딥러닝 모델을 제안하여 eICU 및 MIMIC-IV 중환자 관리 데이터셋에서 입원 기간 예측 작업을 수행합니다. 이 모델을 시간적 포인트와이즈 컨볼루션(TPC)이라고 부르며, 전자 의료 기록(Electronic Health Records)에서 흔히 발생하는 왜도(skewness), 불규칙한 샘플링, 누락된 데이터 등의 문제를 완화하도록 특별히 설계되었습니다. 이를 통해 일반적으로 사용되는 장단기 기억(LSTM) 네트워크와 트랜스포머(multi-head self-attention network)보다 18-68%(메트릭과 데이터셋에 따라 다름)의 성능 개선을 달성하였습니다. 사망률 예측을 부수적인 작업으로 추가함으로써 성능을 더욱 향상시킬 수 있으며, eICU에서는 평균 절대 편차 1.55일, MIMIC-IV에서는 2.28일로 남은 입원 기간 예측에서 우수한 결과를 보여주었습니다.