중환자실 입원 환자의 복잡한 약물 투여 데이터를 약물 간 상호작용을 고려한 약물 정보 임베딩을 통한 효과적인 약물 정보 contextual representation 도출 및 이를 활용한 효과적인 중환자 예후 예측 모델을 개발하고자 함.  적절한 임베딩 계층의 조합, self-attention 메커니즘 적용, 약물 간 상호작용에 적합한 새로운 사전훈련 task 설계 등을 통하여 약물 간 상호작용 정보를 고려한 트랜스포머 기반의 중환자 EHR contextual representation을 도출하고자 함. 본 연구는 입원 환자의 복잡한 약물 사용 정보에 트랜스포머 기반의 BERT 구조를 적용한 최초의 proof-of-concept 시도이며 여러 의료분야에서 활용 가능함.

빅데이터 기반의 개인 맞춤 약물 치료를 위해 약물 투여량에 따른 중환자실 환자들의 이상반응 발생 위험도 변화를 탐지 및 모니터링할 수 있는 임상의사결정지원시스템(Clinical Decision Support System, CDSS)을 개발하고자 함.  환자로부터 수집한 다양한 형태의 데이터를 통합하는 multimodal learning을 활용하여 약물이상반응을 미리 예측하는 딥러닝 기반의 모델을 개발하며, 약물 투여량에 따른 환자 상태 변화(약물이상반응 발생 위험도)를 Markov decision process 모델로 구축함으로써 약물요법 결정을 도와주는 CDSS를 개발할 수 있으며 실제 병원에서 행해지는 약물요법과 비교 분석이 가능함.

패혈성 쇼크의 조기 진단을 위하여 입원 중인 패혈증 환자의 시계열 데이터를 활용하여 임상 역학 정보, 생체 징후, 혈액 검사 및 영상 판독 결과, 패혈증 관련 생체표지자 등의 시계열 데이터를 활용하여 패혈성 쇼크 감지 예측 모델을 개발하고자 함. 의료 데이터의 특성상 시간의 흐름에 따라 환자 상태가 달라질 수 있기에 환자의 생체 신호 및 검사 값이 갱실될 때마다 연속으로 예측이 이루어지는 딥러닝 기반의 패혈성 쇼크 예측 모델을 개발할 수 있음.  또한, 환자 별 시간에 따른 패혈성 쇼크 발생 위험도의 변화양상을 군집 분석 기법을 통해 분석하여 패혈증 환자의 subtype을 도출함으로써 패혈증에 대한 이해를 넓히고 패혈증 입원 환자 치료에 도움을 줄 수 있는 임상의사결정지원시스템을 개발하고자 함.

심장재활은 심혈관 질환 환자들에서 케어의 지속성을 위해 필수적으로 요구되며 심폐 운동능력 예후 예측은 구체적인 재활 목표를 설정하고 재활 치료의 효과를 극대화하는데 매우 중요함. 심장수술을 시행받은 환자의 심장재활 의료데이터를 기반으로 재활 운동에 따른 심폐 운동능력 예후를 예측하는 인공지능 알고리즘 모델을 개발하여 운동 위험도 및 운동량에 따른 회복 양상의 차이를 분석하고자 함.  웨어러블 디바이스 기반의 원격 심전도계 모니터링 관련 생체계측 데이터를 수집 및 활용한 인공지능 기반의 예후 예측 모델 연구를 통해 재활 치료의 방향을 정함으로써 추후 운동 처방에 관한 의사결정 지원시스템을 개발하여 맞춤 정밀 의학의 실현이 가능함.

취약성 고관절 골절 환자들에서 수술 후 집중재활 프로그램 여부에 따른 기능 회복 양상에 대해 인공지능 기반 군집분석을 통해 여러 기능평가 점수들의 시간에 따른 변화양상의 패턴을 분석하고자 함.  분당서울대학교병원, 중앙대학교병원, 제주대학교병원에서 취약성 고관절 골절이 발생하여 수술적 치료를 시행한 뒤 재활의학과로 전과한 환자 데이터베이스를 활용하여 고관절 골절 환자들의 회복 예후 예측 및 회복 패턴에 대한 이해를 넓힘으로써 환자들의 회복 양상 분류 및 개인 맞춤화된 재활 프로그램을 제공할 수 있음.