2026-04-09 | 박효정 기자

VUNO儿童重症患者“呼吸机插管”预测AI研究登国际学术期刊

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

VUNO(338220)9日宣布,其关于预测儿科重症患者是否需要进行人工呼吸机插管的人工智能(AI)早期预警系统研究成果,已刊登于国际学术期刊《心与肺(Heart & Lung)》。

本次研究由梁山釜山大学医院儿童青少年科及呼吸内科研究团队与VUNO共同开展。研究团队分析了儿科重症监护室住院患者数据,开发出预测人工呼吸机(即侵入性机械通气)插管必要性的深度学习模型,并与现有模型进行了比较。

急性呼吸衰竭是可能导致入住儿科重症监护室及心脏骤停的主要因素之一。患者状态掌握越迟,风险越高,因此在适当时点进行侵入性机械通气插管十分重要。但儿科患者年龄跨度大、病因多样,难以及早察觉病情恶化。特别是现有预测模型大多以成人为中心开发,难以应用于儿科患者,存在局限。

为此,研究团队分析了2012年至2022年在梁山釜山大学医院儿科重症监护室住院的未满18岁患者的1318例电子病历,开发并验证了可提前最多8小时预测侵入性机械通气必要性的AI早期预警系统(DeePedIMV)。与局限于特定疾病群的现有模型不同,DeePedIMV是反映多种病因急性恶化的模型,可实现通用性预测。

研究结果显示,DeePedIMV的预测准确度(AUROC)约为0.88,展现出优异的预测性能。该性能在所有组别中均保持一致,不受年龄和疾病类型影响,其中1岁以下患者组的准确度最高。尤其在精准识别实际风险状况的指标AUPRC上也达到约0.47,证明其性能较现有模型高出约3倍以上。此外,在相同灵敏度下将报警次数减少至一半以下,可提升医护人员的工作效率。

VUNO首席技术官(CTO)朱成勋表示:“本次研究开发的深度学习算法证明了既能减少不必要的报警,又能前瞻性预测需要侵入性机械通气插管的高风险儿科重症患者”,并表示“我们将持续努力,使VUNO的技术实力在成人之外也能为儿科患者安全作出贡献”。

阅读韩文原文