환자 상처 치유 평가를 위한 딥 멀티모달 방법

A Deep Multi-Modal Method for Patient Wound Healing Assessment

환자 입원은 높은 상처 관리 비용의 주요 원인 중 하나입니다. 대부분의 환자는 즉각적인 입원이 필요한 상처를 겪지 않습니다. 그러나 치료 지연, 환자의 치료 미준수 또는 기존의 기저 질환 등의 요인으로 인해 상처가 악화되어 결국 환자 입원으로 이어질 수 있습니다. 본 논문에서는 환자의 입원 위험을 예측하기 위한 딥 멀티모달 방법을 제안합니다. 우리의 목표는 환자의 상처 관련 변수와 상처 이미지를 종합적으로 활용하여 위험을 정확하게 예측하는 것입니다. 이 분야의 기존 연구는 주로 다양한 상처 유형에 따른 치유 경향에 초점을 맞추었습니다. 우리는 상처 이미지로부터 상처 관련 변수를 예측하고, 이들의 치유 경향을 예측하는 전이 학습 기반의 상처 평가 솔루션을 개발했습니다. 이는 본 논문의 주요 기여입니다. 우리는 새로운 모델의 개발이 상처의 복잡성을 조기에 감지하여 치유 과정에 영향을 미칠 수 있는 요인을 파악하고, 임상의가 상처를 진단하는 데 소요되는 시간을 줄이는 데 도움이 될 것이라고 주장합니다.

Hospitalization of patients is one of the major factors for high wound care costs. Most patients do not acquire a wound which needs immediate hospitalization. However, due to factors such as delay in treatment, patient's non-compliance or existing co-morbid conditions, an injury can deteriorate and ultimately lead to patient hospitalization. In this paper, we propose a deep multi-modal method to predict the patient's risk of hospitalization. Our goal is to predict the risk confidently by collectively using the wound variables and wound images of the patient. Existing works in this domain have mainly focused on healing trajectories based on distinct wound types. We developed a transfer learning-based wound assessment solution, which can predict both wound variables from wound images and their healing trajectories, which is our primary contribution. We argue that the development of a novel model can help in early detection of the complexities in the wound, which might affect the healing process and also reduce the time spent by a clinician to diagnose the wound.