Deep Learning based Automatic ICD Coding for Nursing Surveillance of Abdominal Surgery Patients

간호감시는 임상 결과를 향상하는 중요한 역할을 하지만, 방대하고 복잡한 의료 데이터로 인해 진단명 분류에 어려움이 존재한다. 기존의 모델은 의사 중심의 데이터에 의존하거나 추가적인 기록을 요구하는 한계가 있었다. 본 연구는 이러한 한계를 해결하기 위해 EMR의 검사 데이터, 진단명 데이터, 간호기록 데이터만을 활용하여 간호감시 목적의 진단명 분류 모델을 제안한다. 복부 수술 환자의 EMR 데이터를 바탕으로 환자 상태와 간호기록을 통합하여 KM-BERT 앙상블과 XGBoost를 결합한 모델을 구축하였다. 실험 결과, 제안한 모델은 단순 KM-BERT 및 기존 앙상블 모델보다 우수한 성능을 나타냈으며, 특히 KM-BERT 앙상블과 XGBoost를 결합한 모델이 가장 높은 정확도를 기록하였다. 본 연구는 EMR의 핵심 데이터만으로도 효과적인 진단명 분류가 가능함을 시사하며, 이는 간호감시의 효율성을 높이는 데 이바지할 수 있다. 앞으로의 연구에서는 보건의료 도메인 지식과 다양한 기법을 결합하여 모델 성능을 더욱 향상할 수 있을 것으로 기대된다.