NHS AI(인공 지능) 연구소 Skunkworks 팀의 파일럿 프로젝트인 Long Stayer Risk Stratification은 Gloucestershire Hospitals NHS Foundation Trust의 과거 데이터를 사용하여 환자가 입원 시 병원에 머무를 기간을 예측합니다.
AI Skunkworks 문제 소싱 프로그램의 성공적인 후보인 Long Stayer Risk Stratification은 2021년 4월 AI Skunkworks 팀의 파일럿 프로젝트로 처음 선정되었습니다.
이 개념 증명(TRL 4)은 입원 기간을 예측하기 위해 환자 기록에 컨볼루션 신경망을 적용하는 기술적 타당성을 입증하기 위한 것입니다. 제품이 의료 기기로 인정되는 영국 의료 기기 규정 2002를 추가로 개발하고 준수하지 않고는 임상 또는 비임상 환경에 배포할 수 없습니다.
이 프로젝트는 영국 데이터 보호법 2018 및 영국 GDPR에 따라 사용되는 데이터의 보호를 보장하는 데이터 보호 영향 평가(DPIA)를 거쳤습니다. 이 저장소에서는 데이터나 훈련된 모델이 공유되지 않습니다.
병원 장기 입원 환자, 즉 입원 기간(LoS)이 21일 이상인 환자는 다른 환자에 비해 의학적, 사회적 결과가 현저히 나쁩니다. 장기 체류자는 실제 퇴원하기 며칠 전에 의학적으로 최적화(퇴원에 적합)되는 경우가 많습니다. 더욱이 불필요한 장기 입원의 원인이 되는 의학적, 문화적, 사회경제적 요인이 복잡하게 혼합되어 있습니다.
이 저장소에는 연구 프로젝트(Polygeist, Gloucestershire Hospitals NHS Foundation Trust, NHSX 및 Home Office의 ACE(Accelerated Capability Environment) 간의 협력)의 일부로 개발된 개념 증명 데모가 포함되어 있습니다. 이 프로젝트는 두 가지 핵심 목표를 달성하는 것을 목표로 했습니다.
첫째, 병원 장기 입원자를 예측하기 위한 실험적인 인공 지능(AI) 접근 방식이 가능한지 확인합니다. 둘째, 그렇다면 개념 증명(PoC) 위험 계층화 도구를 생성합니다.
이 도구는 레벨 1과 5 사이의 환자 기록에 대한 LTSS를 표시합니다. 5는 환자가 장기 체류하게 될 가장 심각한 위험입니다. 이 도구를 사용하면 다양한 요인을 탐색할 수 있으며 사용자는 해당 항목을 편집하여 환자 위험에 대한 정교하거나 가상적인 추정치를 생성할 수 있습니다.
이 도구는 실제 데이터에 대해 우수한 위험 계층화를 보여 주었습니다. 레벨 1은 99%의 단기 체류자와 경미한 사례로 구성되었으며 장기 체류자의 1% 미만이 매우 낮은 위험으로 분류되었습니다. 또한 전체 장기체류자 중 66%가 위험범주 4, 5로 분류되었으며, 범주별로 그 비율이 꾸준히 증가하고 있습니다. 위험 범주 5는 또한 장기 입원 및 중증 입원 환자를 장기 입원 기준치(심각한 입원 및 장기 입원) 아래로 분류했습니다.
전체 기술 보고서(PDF)는 NHS 회원에게 제공됩니다. [email protected]로 요청을 이메일로 보내세요.
문서 | 설명 |
---|---|
REST API | API 엔드포인트 설명 및 사용 예 |
LTSS 플라스크 앱 API | ltss Python 패키지 및 통합 하위 모듈에 대한 패키지 문서 |
배포 지침 | 개발 또는 프로덕션 배포를 위한 빌드 및 실행 지침 |
WebUI 개요 | UI 구성요소 및 애플리케이션 구조에 대한 설명 |
구성 파일 | 제공된 구성 파일 개요 |
프로덕션 빌드 구성 파일 | 프로덕션 빌드 Docker 컨테이너에 제공되는 구성 파일 개요 |
가짜 데이터 생성 | 저장소의 설정 및 실행을 테스트하기 위해 가짜 데이터를 생성하는 방법에 대한 설명 |
훈련 | LTSS API에 사용되는 모델의 학습 프로세스에 대한 설명 |
이 프로젝트는 NHS AI Lab 내에 존재하는 NHS AI Lab Skunkworks의 지원을 받아 건강 관리 커뮤니티가 아이디어를 개념 단계부터 개념 증명까지 신속하게 진행할 수 있도록 지원합니다.
NHS AI Lab Skunkworks에 대해 자세히 알아보세요. 가상 허브에 가입하여 향후 문제 소싱 이벤트 기회에 대해 자세히 알아보세요. [email protected]으로 Skunkworks 팀에 문의하세요.