간호정보학 4조 [낙상 위험 예측: 실시간 위치 추적 RTLS + AI모델] 본 영상

요약

핵심 포인트

• 현재 병원의 낙상 관리가 일시적인 위험도 평가에 의존해 지속적인 상태 변화를 반영하지 못한다. 0:23
• 제안된 시스템은 RTLS를 통해 환자의 위치·이동 데이터를 실시간으로 수집하고, EMR의 임상 정보를 결합한다. 0:54
• AI 모델이 이 데이터를 종합해 현재 낙상 위험도를 예측하고, 고위험 환자를 자동으로 선별한다. 1:16
• 기존 수기 평가보다 AI 기반 예측은 0.87의 높은 정확도를 보였으며, 실제 적용 시 낙상 발생률을 크게 감소시킨 사례가 있다. 1:45
• RTLS와 EMR을 동시에 활용했을 때 예측 정확도가 0.847로 가장 높아, 두 데이터의 결합 효과가 입증된다. 2:22
• 시스템 도입 시 알람 피로, AI 과신, 데이터 오류·프라이버시 침해 등 여러 위험 요소를 사전에 인식하고 관리해야 한다. 4:39
• 모든 환자가 RTLS 착용이 가능하지 않아 일부 환자는 예측에서 소외될 수 있으므로, 임상 판단과 기존 관찰을 병행해야 한다. 5:00
• 파일럿 운영은 12주 동안 한 병동에서 단계별로 인프라 구축, 교육, 모의 운영, 실제 적용, 중간·최종 평가를 진행한다. 5:49
• 성공 기준은 고위험 환자 예방 실행률·재평가 완료율 70% 이상, 시스템 가동률 95% 이상, SUS 점수 70점 이상 등이며, 이를 충족하면 단계적 확대를 검토한다. 7:37