클릭하시면 더 큰이미지를 보실 수 있습니다 서울대병원 이현훈(왼쪽), 이형철 교수. 한국보건산업진흥원 제공
서울대병원 마취통증의학과 연구팀
네이처 디지털 메디슨 저널 게재
국내 연구진이 중환자실 환자의 심정지 발생 위험을 예측하는 인공지능(AI) 모델을 개발했다. 이번 연구는 세계적 과학 학술지인 ‘네이처 디지털 메디슨’ 저널에 11월 23일 자로 게재됐다.
한국보건산업진흥원은 15일 서울대병원 마취통증의학과 이형철·이현훈 교수 연구팀이 심전도 데이터에서 추출한 심박변이도(HRV)를 이용해 24시간 내 심정지 발생 위험을 정확히 예측하는 AI 모델 개발에 성공했다고 밝혔다. HRV는 연속되는 심장박동 사이의 시간 간격이 얼마나 변화하는지를 측정하는 지표로 심장의 건강 상태와 자율신경계의 활동 등을 반영한다.
연구팀에 따르면 중환자실에서 급성 심정지는 전 세계적으로 약 0.5~7.8% 정도 발생한다. 따라서 급성 심정지의 조기 예측 및 신속한 대응이 환자의 생존율을 높이고 합병증을 줄이는 데 중요한 역할을 한다.
연구에는 서울대병원 중환자실에 입원한 환자 5679명의 심전도에서 추출된 심박변이도가 이용됐다. 중환자실 내 심정지 조기 예측을 위해서는 지속적인 환자 모니터링에 실제 사용되는 생체신호를 이용하는 것이 매우 중요하다. 특히 심전도는 중환자실에서 가장 흔히 사용되는 생체신호로 이를 이용한 AI 알고리즘은 국내외 여러 중환자실에서의 범용성과 활용성이 높다.
연구팀은 5분 길이의 단일 채널 심전도만으로 추출된 33가지 심박변이도 지표를 이용했는데 환자가 24시간 안에 심정지를 일으킬지 예측하는 데 우수한 성능을 보였다.
AI 예측 성능을 평가하는 AUROC 값은 0.881이었다. AUROC는 심정지 발생 또는 미발생을 정확하게 예측할 수 있는 지표로 1에 가까울수록 성능이 우수하다고 본다. 반면 활력 징후에 기반을 둔 기존 심정지 예측 모델의 AUROC 값은 0.735로, 연구팀이 개발한 머신러닝 모델은 기존 모델보다 더 좋은 성능을 가진 것으로 나타났다.
이현훈 교수는 "본 연구에서 개발한 모델은 추가적인 임상정보 없이 단일 채널 심전도만을 이용한 새로운 알고리즘을 개발했다는 점에서 기술적 돌파구를 마련한 것"이라며 "앞으로 중환자실 임상 현장에서 AI를 이용한 임상의사결정지원시스템(CDSS)에 쉽게 적용할 수 있을 것"이라고 설명했다.
이형철 교수는 "개발된 AI 모델은 앞으로 실제 중환자실 내 심정지 발생 위험 예측 알람 개발에 활용될 것"이라면서 "심정지 위험이 큰 환자를 조기에 스크리닝해 이로 인한 합병증 발생을 줄이고 의료비 절감도 가능할 것으로 기대한다"고 말했다.
임정환 기자
;){kind=link}