[디지털헬스학과 김정한, 김진윤 학생] 대한의료정보학회(KOSMI) 2026 춘계 학술대회 수상
성균관대학교 삼성융합의과학원(SAIHST) 디지털헬스학과 김정한 학생과 김진윤 학생이 대한의료정보학회(KOSMI) 2026 춘계 학술대회에서 각각 우수포스터상을 수상했습니다.
2026 대한의료정보학회 춘계학술대회가 지난 6월 24일부터 6월 26일까지 청주 오스코에서 개최되었습니다. 이번 학술대회에는 총 1,381명이 참석했으며, 21개 세션에서 221편의 학술 발표와 124편의 포스터 발표가 진행되어 의료정보학 분야의 다양한 연구 성과가 공유되었습니다.
전체 124편의 포스터 발표 가운데, 총 6편의 연구가 우수포스터상에 선정되었습니다. 이 가운데 2편이 성균관대학교 삼성융합의과학원 학생들의 연구로, 디지털헬스와 의료정보학 분야에서 뛰어난 연구 경쟁력을 입증했습니다.
◎ 김정한(디지털헬스학과 석사과정)
◎ 지도교수: 김태림
◎ 발표 제목: Development and Validation of a Nurse-Informed Discharge Readiness Score (NDRS) using MIMIC-IV
◎ 김진윤(디스털헬스학과 석사과정)
◎ 지도교수: 주윤정
◎ 발표 제목: Heterogeneous Treatment Effects of Latency Prolongation After Preterm Premature Rupture of Membranes:
A Nationwide Cohort Study Using Causal Machine Learning
김정한 학생은 김태림 교수님의 지도로 MIMIC-IV 데이터를 이용한 간호기반 퇴실준비도 평가도구 개발 및 검증에 대해 발표했습니다. 이 연구에서는 중환자실 환자의 퇴실 준비 상태를 평가하기 위해 간호 관점을 반영한 규칙 기반 선별도구인 ‘Nurse-Informed Discharge Readiness Score(NDRS)’를 개발하고 검증했습니다. NDRS는 기존 중환자 중증도 평가도구인 SOFA 점수보다 높은 판별력을 보였습니다. 특히, 활력 징후와 최소한의 검사실 정보만을 이용해 중환자실 퇴실 준비 상태를 자동으로 선별한 가능성을 제시했습니다. 이는 간호사의 임상적 관찰과 판단을 데이터 기반 의사결정지원도구에 반영함으로써, 중환자실 퇴실 평가를 체계적으로 지원할 수 있다는 점에서 의미가 있습니다.
김진윤 학생은 주윤정 교수님과 성세인 교수님의 공동지도로 한국신생아네트워크(KNN, Korean Neonatal Network) 데이터를 활용하여 조기양막파수(PPROM)에서 임신 연장과 신생아 예후의 관계가 산모와 태아의 특성에 따라 어떻게 달라지는지를 인과 머신러닝(Causal Machine Learning) 기법을 활용해 분석한 결과를 발표했습니다. 기존의 연구가 임신 유지기간 연장과 신생아 예후의 전반적인 관계를 평가하여 하나의 평균 효과를 제시한 반면, 해당 연구는 최신 AI/ML기법을 도입하여, 임신 연장의 효과가 모든 환자에게 동일하지 않을 수 있다는 점에 주목해 임신 유지 기간 연장으로 더 큰 이익을 얻을 가능성이 있는 환자군을 탐색했다는 점에서 의미가 있습니다.
두 연구는 각각 간호 임상지식과 대규모 중환자 데이터를 결합한 의사결정지원도구 개발과, 한국 신생아 네트워크의 전국 단위 임상자료에 인과 머신러닝을 적용한 모자보건 연구를 수행했습니다. 이번 수상은 임상 현장의 문제를 데이터 과학과 의료정보학적 접근을 통해 해결하고자 한 연구의 학술적 우수성과 발전 가능성을 인정받은 결과입니다.
수상을 진심으로 축하드리며, 앞으로도 삼성융합의과학원 학생들이 디지털헬스와 의료정보학 분야에서 우수한 연구 성과를 이어가기를 기대합니다.
[디지털헬스학과 김정한, 김진윤 학생] 대한의료정보학회(KOSMI) 2026 춘계 학술대회 수상
성균관대학교 삼성융합의과학원(SAIHST) 디지털헬스학과 김정한 학생과 김진윤 학생이 대한의료정보학회(KOSMI) 2026 춘계 학술대회에서 각각 우수포스터상을 수상했습니다.
2026 대한의료정보학회 춘계학술대회가 지난 6월 24일부터 6월 26일까지 청주 오스코에서 개최되었습니다. 이번 학술대회에는 총 1,381명이 참석했으며, 21개 세션에서 221편의 학술 발표와 124편의 포스터 발표가 진행되어 의료정보학 분야의 다양한 연구 성과가 공유되었습니다.
전체 124편의 포스터 발표 가운데, 총 6편의 연구가 우수포스터상에 선정되었습니다. 이 가운데 2편이 성균관대학교 삼성융합의과학원 학생들의 연구로, 디지털헬스와 의료정보학 분야에서 뛰어난 연구 경쟁력을 입증했습니다.
◎ 지도교수: 김태림
◎ 발표 제목: Development and Validation of a Nurse-Informed Discharge Readiness Score (NDRS) using MIMIC-IV
◎ 김진윤(디스털헬스학과 석사과정)
◎ 지도교수: 주윤정
◎ 발표 제목: Heterogeneous Treatment Effects of Latency Prolongation After Preterm Premature Rupture of Membranes:
A Nationwide Cohort Study Using Causal Machine Learning
김정한 학생은 김태림 교수님의 지도로 MIMIC-IV 데이터를 이용한 간호기반 퇴실준비도 평가도구 개발 및 검증에 대해 발표했습니다. 이 연구에서는 중환자실 환자의 퇴실 준비 상태를 평가하기 위해 간호 관점을 반영한 규칙 기반 선별도구인 ‘Nurse-Informed Discharge Readiness Score(NDRS)’를 개발하고 검증했습니다. NDRS는 기존 중환자 중증도 평가도구인 SOFA 점수보다 높은 판별력을 보였습니다. 특히, 활력 징후와 최소한의 검사실 정보만을 이용해 중환자실 퇴실 준비 상태를 자동으로 선별한 가능성을 제시했습니다. 이는 간호사의 임상적 관찰과 판단을 데이터 기반 의사결정지원도구에 반영함으로써, 중환자실 퇴실 평가를 체계적으로 지원할 수 있다는 점에서 의미가 있습니다.
김진윤 학생은 주윤정 교수님과 성세인 교수님의 공동지도로 한국신생아네트워크(KNN, Korean Neonatal Network) 데이터를 활용하여 조기양막파수(PPROM)에서 임신 연장과 신생아 예후의 관계가 산모와 태아의 특성에 따라 어떻게 달라지는지를 인과 머신러닝(Causal Machine Learning) 기법을 활용해 분석한 결과를 발표했습니다. 기존의 연구가 임신 유지기간 연장과 신생아 예후의 전반적인 관계를 평가하여 하나의 평균 효과를 제시한 반면, 해당 연구는 최신 AI/ML기법을 도입하여, 임신 연장의 효과가 모든 환자에게 동일하지 않을 수 있다는 점에 주목해 임신 유지 기간 연장으로 더 큰 이익을 얻을 가능성이 있는 환자군을 탐색했다는 점에서 의미가 있습니다.
두 연구는 각각 간호 임상지식과 대규모 중환자 데이터를 결합한 의사결정지원도구 개발과, 한국 신생아 네트워크의 전국 단위 임상자료에 인과 머신러닝을 적용한 모자보건 연구를 수행했습니다. 이번 수상은 임상 현장의 문제를 데이터 과학과 의료정보학적 접근을 통해 해결하고자 한 연구의 학술적 우수성과 발전 가능성을 인정받은 결과입니다.
수상을 진심으로 축하드리며, 앞으로도 삼성융합의과학원 학생들이 디지털헬스와 의료정보학 분야에서 우수한 연구 성과를 이어가기를 기대합니다.