POST-TAVR ECG 기반의 PPI 예측 모델 연구Research of PPI prediction model based on POST-TAVR ECG
- Other Titles
- Research of PPI prediction model based on POST-TAVR ECG
- Authors
- 송인서; 양세모; 이강윤
- Issue Date
- Apr-2024
- Publisher
- 한국인터넷정보학회
- Keywords
- 머신러닝; 경피적 대동맥 판막 치환술; 인공 심박동기 삽입술; Machine Learning; Transcatheter Aortic Valve Replacement(TAVR); Permanent Pacemaker Implantation(PPI)
- Citation
- 인터넷정보학회논문지, v.25, no.2, pp 29 - 38
- Pages
- 10
- Journal Title
- 인터넷정보학회논문지
- Volume
- 25
- Number
- 2
- Start Page
- 29
- End Page
- 38
- URI
- https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/91348
- ISSN
- 1598-0170
- Abstract
- 경피적 대동맥 판막 치환술(TAVR) 후에는 인공 심박동기 삽입술(PPI)을 비롯한 TAVR 이후 합병증에 대한 철저한 관리가 필요하며그에 따라 정확한 예측 모델에 대한 필요성이 점점 증가하고 있다. 본 연구는 기존의 이미지 의존적 방법론에서 벗어나 ECG 정보를중심으로 예측하는 XGBoost 기반의 최적의 PPI 예측 모델을 개발했다. 이 모델은 심전도상의 특정 신호들인 DeltaPR, DeltaQRS 등을주요 지표로 삼아, 환자의 전도 장애 및 PPI와의 연관성을 파악하며, 기존의 이미지와 ECG 데이터를 결합한 모델과 ECG 기반의 모델보다 뛰어난 AUC 0.91 성능을 달성하였다. 본 연구에서 제안하는 모델은 두 병원의 데이터를 기반으로 최적의 PPI 예측 모델을 구현및 검증하였으며, 검증 결과 ECG 데이터의 특성이 PPI 예측에 큰 영향을 미치며 95.28%의 높은 유사도를 보였다. 이로써 본 연구의예측 모델이 다양한 병원 데이터에도 효과적으로 적용될 수 있음을 확인하였다. 최적의 머신러닝 알고리즘을 사용하여 PPI와 각 특성간의 상관관계를 명확히 했으며, 고비용의 의료 이미지에 의존하지 않고 ECG 데이터를 사용하여 높은 정확도로 PPI를 예측할 수 있음을 입증하였다. 이는 의료 결정 과정에서 인간 개입의 의존도를 줄이며, 신뢰할 수 있고 실용적인 PPI 예측 모델 개발로의 중요한진전을 의미한다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - ETC > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/91348)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.