[논문 리뷰] Collaborative Pressure Ulcer Prevention: An Automated Skin Damage and Pressure Ulcer Assessment Tool for Nursing Professionals, Patients, Family Members and Carers

Paul Fergus, Carl Chalmers외 1명|arXiv (Cornell University)|2018. 08. 17.

Pressure Ulcer Prevention and Management참고 문헌 18인용 수 3

한 줄 요약

이 논문은 압박성 궤양의 감지, 평가 및 관리 지원을 위해 컷널 신경망과 전이 학습을 활용한 자동화된 웹 기반 플랫폼을 제시한다. 이 플랫폼은 간호사, 환자 및 간병인들이 영상 기반 평가를 통해 피부 손상을 분석할 수 있도록 하며, 향후 임상 및 개인 간 관리 경계를 넘는 의사결정 지원 가능성을 지닌다.

ABSTRACT

This paper describes the Pressure Ulcers Online Website, which is a first step solution towards a new and innovative platform for helping people to detect, understand and manage pressure ulcers. It outlines the reasons why the project has been developed and provides a central point of contact for pressure ulcer analysis and ongoing research. Using state-of-the-art technologies in convolutional neural networks and transfer learning along with end-to-end web technologies, this platform allows pressure ulcers to be analysed and findings to be reported. As the system evolves through collaborative partnerships, future versions will provide decision support functions to describe the complex characteristics of pressure ulcers along with information on wound care across multiple user boundaries. This project is therefore intended to raise awareness and support for people suffering with or providing care for pressure ulcers.

연구 동기 및 목표

• 다양한 사용자 그룹 간에 압박성 궤양의 조기 감지 및 관리를 위한 협업 기반 디지털 플랫폼을 개발하기 위해.
• 접근 가능하고 실시간 피부 평가 기술을 통해 압박성 궤양 진단의 지연이라는 임상적 과제를 해결하기 위해.
• 최신 기술 기반 기계 학습과 종단 간 웹 기술을 통합하여 확장 가능한 임상 활용을 위해.
• 압박성 궤양 분석 및 지속적인 혁신을 위한 중앙집중식 연구 및 임상 자원을 구축하기 위해.
• 환자와 간병인이 상처 모니터링 및 간병 계획에 참여할 수 있도록 공유 의사결정을 지원하기 위해.

제안 방법

• 압박성 궤양 감지를 위해 컷널 신경망(CNNs)과 전이 학습을 활용하여 피부 영상 분석을 수행한다.
• 다양한 사용자(환자 및 간병인 포함)가 접근 가능하고 확장 가능한 플랫폼을 제공하기 위해 종단 간 웹 기술을 활용한다.
• 사용자로부터 입력된 영상 기반 데이터를 활용해 자동으로 피부 손상과 궤양 특징을 평가한다.
• 향후 임상 의사결정 지원 기능 통합을 고려해 확장 가능한 아키텍처로 시스템을 설계한다.
• 압박성 궤양 관리에 관한 연구 협업과 데이터 공유를 위한 중앙집중식 웹사이트를 구축한다.
• 압박성 궤양 분류 및 분석에 특화된 사전 학습된 모델을 적응시키기 위해 전이 학습 기법을 적용한다.

실험 결과

연구 질문

• RQ1 자동화된 웹 기반 시스템은 다양한 사용자 그룹에서 압박성 궤양의 조기 감지를 어떻게 향상시킬 수 있는가?
• RQ2 전이 학습과 CNN은 정확하고 자원이 제한된 피부 손상 평가에 어떻게 기여할 수 있는가?
• RQ3 디지털 플랫폼은 간호사, 환자 및 간병인이 압박성 궤양 관리에서 협업을 어떻게 촉진할 수 있는가?
• RQ4 확장 가능한 다중 사용자 압박성 궤양 평가 도구를 구축하기 위한 기술적 및 임상적 요구사항은 무엇인가?
• RQ5 이러한 시스템은 상처 간병 분야의 지속적인 연구 및 임상 의사결정 지원에 어떻게 기여할 수 있는가?

주요 결과

• 플랫폼은 실제 협업 환경에서 딥러닝을 활용한 자동 압박성 궤양 영상 분석의 가능성을 성공적으로 입증하였다.
• 전이 학습의 통합은 압박성 궤양 감지에 한정된 레이블이 부족한 학습 데이터로도 효과적인 모델 성능을 가능하게 하였다.
• 시스템은 임상 전문가와 비임상 사용자 모두가 상처 평가에 참여할 수 있도록 중앙집중식이고 접근 가능한 인터페이스를 제공한다.
• 플랫폼는 향후 의사결정 지원 및 다중 사용자 협업 기능 통합을 고려해 지속적으로 발전할 수 있도록 설계되었다.
• 이 프로젝트는 압박성 궤양 예방 및 관리 분야의 지속적인 연구 및 데이터 공유를 위한 기반을 마련하였다.
• 종단 간 웹 기술의 사용은 다양한 치료 환경에서 광범위한 접근성과 확장성을 보장한다.