earticle

영어

Leukocyte levels are important human information to know inflammatory levels in the body and septic shock. However, white blood cell levels require a blood test, and two hours of medical waiting time is required to confirm the test results. Therefore, emergency patients may find it difficult to receive medical responses while waiting for blood test results. In order to solve this problem, medical responses are performed based on bio-signals and information in the field, but there is a difference from responses according to quantitatively provided white blood cell levels. Therefore, in this study, we conducted a study on an artificial intelligence model that predicts white blood cell levels by receiving patient bio-signals and information based on Generative Adversarial Networks (GAN) of artificial intelligence. The verification of the model consisted of the performance when input into the artificial intelligence model by mixing the original data and missing data. The verification results showed that the mixed data group including white blood cell levels generated through the white blood cell prediction model had better detection performance for sepsis patients than the original data group.

한국어

백혈구 수치는 체내 염증 수치 및 패혈성 쇼크를 알 수 있는 중요한 인체정보이다. 그러나 백혈구 수치는 혈액검사가 필요하며, 검사결과를 확인하기 위해서는 2시간의 의료대기 시간이 필요하다. 따라서 응급한 환자들은 혈 액검사 결과를 기다리는 동안에 의료적 대응을 받기 어려울 수 있다. 이런 문제를 해결하기 위해 현장에서는 생체신 호 및 정보를 바탕으로 의료적 대응을 수행하지만, 정량적으로 제공되는 백혈구 수치에 따른 대응과는 차이가 있다. 따라서 본 연구에서는 인공지능의 GAN(Generative Adversarial Networks)을 기반으로 환자의 생체신호 및 정보를 입력받아, 백혈구 수치를 예측하는 인공지능 모델에 관한 연구를 수행했다. 모델의 검증은 원본 데이터와 결측 데이 터를 혼합하여, 인공지능 모델에 입력했을 때의 성능으로 구성했다. 검증 결과로는 백혈구 예측모델을 통해 생성된 백혈구 수치를 포함한 혼합 데이터군이 원본 데이터군보다 패혈증 환자에 대한 검출 성능이 뛰어난 것으로 나타났다.