인공지능 모형을 이용한 혈액관리

Abstract

[한글]

귀중한 인적 자원이며, 부패성 물질인 혈액의 효율적 관리를 위한 노력의 일환으로써 혈액관리의 수리모형이 시도되어졌다. 그러나 수리모형의 실제 적용에는 정량적 측면 외 에 정성적 측면에 대한 한계성이 있어 이를 보완하기 위한 전문가 시스템의 개발이 요구

되는 상황에 있다.

이에 본 연구자는 1989년 1월-12월 사이에 1300병상 규모의 대학병원 혈액원에서 사용되는 전혈(A, B, 0, AB형) 및 성분제(적혈구 및 혈소판 농축액, 신선 동결 혈장, 혈소판 풍부 혈장) 을 연구 재료로 하여, 인공지능 모형을 이용한 혈액관리 전문가 시스템의 개

발을 시도하여 기존의 수리모형과 실제 혈액원의 혈액관리 전문가에 의한 혈액관리 성취도를 서로 비교하여 보았다.

연구 방법은 모의 실험, 중회귀 분석, 시계열 분석의 ARIHA(Autoregressive Integrate Moving Average) 모형과 전달 함수(transfer function) 등의 통계적 방법과 인공지능을

활용하었다.

각 혈액관리 모형의 성취도는 주로 혈액의 부족률과 폐기율에 근거하여 평가하였으며,그 결과는다음과 같다.

1. 기존의 혈액관리 수리모형에 있어서의 혈액의 부족률 및 폐기율은 출고 방식에 따라 차이가 있으며, 선입 선출 방식이 후입 선출 방식보다 우수한 결과를 보였다(부족률-18:29%). 폐기율-7:8%).

2. 새로 개발된 전문가 시스템에 있어서, 혈액의 부족률은 13%, 폐기율은 6%로써 수리모형(부족률-18%, 폐기율-7%)에 비해 보다 우수한 혈액관리 성취도를 보였다.

3. 혈액원의 혈액관리 전문가에 의한 폐기율(2%)에 비하여 전문가 시스템의 폐기율(6%) 성취도가 비록 저조하나 혈령과 보존기간에 있어서는 실제치에 근접하는 결과를 보었다.

이상의 결과를 종합할 때, 새로 개발한 전문가 시스템의 혈액관리 성취도는 기존의 수리모형애 비해 우수한 결과를 보였으며, 폐기율을 제외한 혈령, 보관기간에 있어서는 혈액관리 전문가에 의한 실제치에 근접한 결과를 보였다. 따라서 혈액관리 전문가 시스템은 실효성이 있다고 판단되었다.

앞으로 혈액관리 전문가의 규칙이 보다 완벽하게 적용됨으로써 이러한 전문가 시스템이 최소한 혈액관리 전문가의 인력 대신에 활용될 수 있을 것으로 기대된다.

[영문]

This dissertation identified some practical limitations of the existing mathematical model of the problems for blood management, and suggested the development and validation of expert system represented on the artificial intelligence model for decision-making.

To reach these goals, all records of whole bloods and multi-components, transfused from January 1 to December 31, 1989 by a hospital with 1300 beds concerned, were reviewed and analyzed according to ABO group.

The model was developed in two steps. First, the quantitative methodologies such as simulation, multiple regression. ARIMA model, and transfer function of time series were applied to derive optimal inventory levels as functions of all the hospital parameters that affect outdating and shortages, and then extended to forcast deily demand of whole blood and multicomponents. Second, as human experts often use quantitative models to support their experience and expertise, artificial intelligence techniques was applied to devel mathematical model-base of deep

knowledge and rule-base represented with shallw knowledge of heuristick, in expert system coupled with database for decision-support system.

The results were as follows :

1. Through the evaluation of the previous mathematical models for blood management regarding selection of issuing policies. FIFO policy issuing the oldest units first indicated an improvement of 11% in shortage(18%:29%) and 1% in outdating(7%:6%) over the LIFO policy.

2. The performance values (shortage rate: 18%, outdating rate: 7%) of blood management under the previous mathematical model was calculated superior to those (19%, 9%) of the model simulated under specified requirements for transfusion services of hospital blood bank concerned, but inferior to the actual values of

performance managed by clinical human expert in hospital blood bank concerned.

3. The performance values(shortage rate: l3%, outdating rate: 6%) of evert system suggested in this research us superior to the other two models. was elucidated near to the actual values performed by clinical human expert in hospital blood bank

concerned.

The results of the above suggested that there were sinificant differences between the performance under the existing mathematical model and the performance of expert system in this study. The limitations of the mathematical model were overcome by

extension of the artificial intelligence model, evolved with the rules of heuristics difficult to be represented in the mathematical model. Therefore the performance of expert system in this study showed the better results than those of the existing quantitative model, and appeared effective to be in close proximity to the actual values of blood storage period and transfusion age for blood management, even though the performance of the expert system suggested was low in outdating rate for the actual values of human intelligence.

Consequently the efficacy of expert system based on the artificial intelligence model has been identified for blood management.