Leveraging Machine Learning for Predicting Pediatric Emergency Room Visits

본 연구는 2021년∼2022년 건강보험 청구자료를 활용하여 6세 이하 소아 환자의 30일 이내 응급실 방문 가능성을 예측하는 머신러닝 기반 AI 모델을 개발하였다. Logistic Regression, Decision Tree, Random Forest, LightGBM 네 가 지 알고리즘을 평가한 결과, LightGBM 모델이 평균 정확도 0.709로 가장 우수한 성능을 보였다. 주요 변수로는 평균 원외 처방 약품 수, 이전 방문 시 원내 처방약품 수, 약물 사용량 등이었다. 본 연구에서 개발된 모델은 소아 응급의료 자원의 효율 적 배분과 계획 수립을 지원할 수 있는 도구로 활용 가능성을 보여주었으나, 데이터의 시점의 제한성, 변수의 한계, 실제 의료 환경에서의 실용성 검증 부족 등의 몇 가지 한계가 있었다. 따라서, 향후 다양한 데이터 소스를 결합하고, 추가적인 변수 탐색 을 통해 모델의 예측력을 더욱 강화하는 연구가 필요하다.