응급상황 자동 인식 및 응급실 연계 서비스 with API

<aside> 💡 문제 해결을 위한 데이터기반 문제 해결 기획 - CRISP-DM

</aside>

1. 무엇이 문제인가?
2. 데이터 이해 (EDA & CDA)
3. 모델링을 위한 데이터 구조 만들기
4. 모델을 만들고 검증
5. 문제가 해결이 되었는가 검토

배경 소개 - 문제 정의

<aside> 💡

응급 상황에서 환자의 생명을 살리는 데에 가장 중요한 요소가 무엇일까?

</aside>

1. 응급상황에 대한 빠른 판단

• 위급상황 조기 발견
  • 사람이 정말 응급인 상황인가
    • 응급 음성을 Text로 변환
    • Text를 요약하고 응급도 분류
  • 응급상황임이 판단되면 정확하고 신속하게 환자에 대한 정보를 119에 전달
  • AI 분류 모델이 높은 Precision을 요구해야함 (Precision : 응급이라고 예측하는 값이 실제로 응급일 때)
• 빠른 응급실 이송
  • 병실 여유가 있는 가까운 응급실을 빠르게 연계
  • 응급실 DB 연동 및 Naver 지도 API가 필요

추가적인 정보 - 응급실 내원 환자 분류 KTAS 기준 5단계

출처: 중앙일보 기사 : 25174325

출처: 중앙일보 기사 : 25174325

시스템 구성

WEEKLY

MON

• [x] 데이터 추가 수집: 응급 등급 별 2건 녹음
• [x] Voice → Model → Text
• [x] Text → Model → Summary

TUES

• [x] BerT 등급분류
• [x] 파인튜닝
• [x] 학습데이터추가

WED

• [x] 추천 시스템
• [x] 분담

THUR

• [x] 모듈화 및 통합
• [x] BERT 모델 최종 파인튜닝
• [x] PPT 제작

🔗PPT Link 공유 작업