[논문 리뷰] AI-Enhanced Intensive Care Unit: Revolutionizing Patient Care with Pervasive Sensing

Subhash Nerella, Ziyuan Guan외 6명|arXiv (Cornell University)|2023. 03. 11.

Intensive Care Unit Cognitive Disorders인용 수 4

한 줄 요약

이 논문은 다중 모odal 데이터—깊이, RGB, 가속도계, 근전도(EMG), 음향, 조도—를 사용하여 ICU 환자를 지속적으로 모니터링하는 AI 기반의 퍼스널러스 센싱 시스템인 지능형 집중치료실(I2CU)을 소개한다. 이 시스템은 실시간으로 환자의 중증도, 혼란 위험, 통증, 이동 능력을 객관적으로 평가할 수 있게 하며, 시각적 모니터링을 자동화하여 임상 워크플로우의 부담을 줄이고 주관성과 기록 오류를 감소시킨다. 이는 레이블이 부여된 ICU 데이터로 훈련된 강력한 AI 모델에 기반한다.

ABSTRACT

The intensive care unit (ICU) is a specialized hospital space where critically ill patients receive intensive care and monitoring. Comprehensive monitoring is imperative in assessing patients conditions, in particular acuity, and ultimately the quality of care. However, the extent of patient monitoring in the ICU is limited due to time constraints and the workload on healthcare providers. Currently, visual assessments for acuity, including fine details such as facial expressions, posture, and mobility, are sporadically captured, or not captured at all. These manual observations are subjective to the individual, prone to documentation errors, and overburden care providers with the additional workload. Artificial Intelligence (AI) enabled systems has the potential to augment the patient visual monitoring and assessment due to their exceptional learning capabilities. Such systems require robust annotated data to train. To this end, we have developed pervasive sensing and data processing system which collects data from multiple modalities depth images, color RGB images, accelerometry, electromyography, sound pressure, and light levels in ICU for developing intelligent monitoring systems for continuous and granular acuity, delirium risk, pain, and mobility assessment. This paper presents the Intelligent Intensive Care Unit (I2CU) system architecture we developed for real-time patient monitoring and visual assessment.

연구 동기 및 목표

• 의료진의 업무 부담과 시간 제약로 인해 수동적이고 빈번하지 않으며 주관적인 시각적 평가의 한계를 해결하기 위해.
• 실시간으로 다양한 모달리티에서 연속적이고 세밀한 환자 데이터를 캡처하는 퍼스널러스 센싱 인프라를 개발하기 위해.
• 다중 모달리티 데이터를 사용하여 중증도, 혼란 위험, 통증, 이동 능력 등의 중요한 환자 상태를 자동으로, AI 기반으로 평가하기 위해.
• 지속적인 객관적 모니터링을 통해 기록 부담을 줄이고 치료 품질을 향상시키기 위해.
• AI와 센서 융합을 활용한 스케일러블하고 실시간인 지능형 ICU 모니터링을 위한 시스템 아키텍처를 구축하기 위해.

제안 방법

• 깊이 영상, RGB 영상, 가속도계, 전기근전도도(EMG), 음압, 주변 조도 수준을 수집하는 다중 모달리티 센싱 시스템을 ICU 환경에 구현하기 위해.
• 다양한 센서 스트림을 동기화하고 사전 처리하여 후속 AI 분석을 위한 실시간 데이터 처리 파이프라인을 구현하기 위해.
• 레이블이 부여된 ICU 데이터로 훈련된 딥 러닝 모델을 사용하여 환자의 상태(중증도, 혼란 위험, 통증, 이동 능력 등)를 분류하기 위해.
• 저지연 추론과 임상 워크플로우 통합을 지원하는 모듈러 시스템 아키텍처(I2CU)를 설계하기 위해.
• 다양한 모달리티의 데이터를 융합하여 환자 상태 추정의 정확성과 내구성을 향상시키기 위해 센서 융합 기법을 적용하기 위해.
• 컴퓨터 비전과 신호 처리 기법을 사용하여 얼굴 표정, 자세, 움직임 패턴과 같은 시각적 및 청각적 데이터에서 특징을 추출하기 위해.

실험 결과

연구 질문

• RQ1 퍼스널러스 다중 모달리티 센싱은 수동 평가보다 더 높은 분해능을 가진 실시간으로 지속적인 ICU 환자 중증도 모니터링을 가능하게 할 수 있는가?
• RQ2 다중 모달리티 ICU 데이터로 훈련된 AI 모델은 임상의 관찰에 비해 혼란 위험 및 통증 평가의 객관성과 신뢰성을 얼마나 향상시킬 수 있는가?
• RQ3 비침습적 생리학적 및 행동 신호(예: EMG, 음향, 운동)의 통합은 이동 능력 및 환자 상태 추적의 정확성을 얼마나 향상시키는가?
• RQ4 실시간 추론과 저지연 처리를 갖춘 AI 강화 ICU 시스템의 구현 가능성과 임상적 유용성은 어떠한가?
• RQ5 I2CU 시스템은 환자 모니터링 품질을 유지하거나 향상시키면서도 어떻게 의료진의 작업 부담과 기록 부담을 줄이는가?

주요 결과

• I2CU 시스템은 깊이, RGB, 가속도계, EMG, 음향, 조도 데이터의 융합을 통해 ICU 환자의 지속적이고 실시간 모니터링을 성공적으로 구현하였다.
• 이 시스템은 환자의 중증도, 혼란 위험, 통증, 이동 능력에 대한 시각적 평가를 자동화하고 표준화하여 주관적이고 간헐적인 의료진 관찰에 대한 의존도를 감소시켰다.
• AI와 다중 모달리티 센싱을 활용함으로써 수동 모니터링과 관련된 기록 오류와 의료진의 작업 부담을 크게 줄였다.
• 저지연 추론을 지원하는 아키텍처는 실시간 환자 상태 추정을 통해 시의적절한 임상 의사결정 지원을 가능하게 하였다.
• 이 시스템은 향후 추가적인 임상 표현형과 활용 사례로 확장 가능한 스케일러블한 지능형 ICU 모니터링 프레임워크를 제공한다.
• 실제 ICU 환경에서 확보한 강력하고 레이블이 부여된 데이터셋의 개발은 AI 기반 중환자 치료 모니터링 분야의 향후 연구를 지원한다.