[논문] ICU delirium 위험군 구분을 위한 퍼vasive ambient 센싱

출처: arXiv - 2606.19292v1

개요

Delirium 은 중환자실(ICU)에서 흔히 발생하는 심각한 합병증으로, 환자의 상태 악화, 입원 기간 연장, 의료비 증가를 초래합니다. 그럼에도 불구하고 발병률은 높지만 조기 예측과 예방은 여전히 어려워요. 환경 요인 중 주변 소음과 조명 등이 delirium 발생에 영향을 미칠 수 있지만, 위험 평가에서는 종종 간과됩니다. 본 연구에서는 빛 강도와 사운드 압력 수준이 여러 예측 기간 동안 독립적으로 delirium를 예측할 수 있는지 조사했습니다. 데이터는 9개의 중환자실과 309명 환자를 대상으로 수집했으며, 10가지 예측 창 크기에 대해 delirium를 예측하기 위해 네 개의 효율적인 순차 신경망 모델을 평가했습니다. Shapley Additive Explanations 분석을 활용해 특성의 중요도와 영향 방향을 보고했습니다. 컨볼루션 모델은 가장 강력한 차별성을 보였으며, 사운드 데이터 및 결합 데이터에서 AUC = 0.80을 달성했습니다. 전체적으로 사운드 특성이 주요 예측 변수로 나타났습니다. 소리와 조명을 결합하면 단기(1주 미만) 예측이 향상되었으며, 결합 모델은 감지 직후에 가장 높은 위험을 할당했습니다. 이 결과는 수동적인 주변 환경 감지, 특히 소음이 delirium 위험 추정에게 의미 있는 해석 가능한 신호를 제공하고 다중 모달 ICU 예측 및 예방 전략을 강화하는 실용적인 경로를 제시함을 시사합니다.

주요 공헌

• cs.LG

방법론

자세한 방법은 논문 전체를 참고하십시오.

실제 적용 가능성

본 연구는 cs.LG 분야의 발전을 기여합니다.

저자

• Jiaqing Zhang
• Sabyasachi Bandyopadhyay
• Miguel Contreras
• Jessica Sena
• Yuanfang Ren
• Andrea Davidson
• Ziyuan Guan
• Tezcan Ozrazgat-Baslanti
• Subhash Nerella
• Azra Bihorac
• Parisa Rashidi

논문 정보

• arXiv ID: 2606.19292v1
• 분류: cs.LG
• 발행일: 2026년 6월 17일
• PDF: PDF 다운로드