실시간으로 다양한 비정형 데이터를 수집하고 딥러닝을 통해 학습을 진행해 응급실에서 환자의 악화를 예측하는 인공지능 모델이 임상에서 합격점을 받았다.

과거 로지스틱 회귀 접근 방식과 비교해 예측 성능이 탁월하다는 점에서 향후 임상의사결정지원시스템으로 가능성이 충분하다는 것이 전문가들의 의견이다.

23일 의료산업계에 따르면 국내 연구진이 진행한 '응급실 임상 악화 예측을 위한 딥러닝 모델' 연구가 네이쳐 자매지인 사이언티픽 리포트(Scientific Reports)에 게재됐다(10.1038/s41598-024-80268-7).

이번 연구는 '응급실에서의 임상 악화 실시간 예측을 위한 새로운 딥러닝 알고리즘-멀티 모달 임상 지원 시스템'에 관한 것으로 지난 'MLHC 2023'에서 공개된 논문의 후속 연구다.

선행 연구에서 개발한 멀티 모달 데이터 처리 기술을 실제 응급실 데이터에 적용해 응급실 내 AI 기반 임상의사결정지원시스템(Clinical Decision Support System, CDSS) 모델을 개발하는 것이 골자다.

이를 위해 연세의료원 디지털헬스케어혁신연구소의 김지훈 교수와 최아롬 교수, 최소연 교수와 개발사인 에이아이트릭스 연구진은 세브란스병원 응급실에 내원한 환자 데이터 23만 7059건을 기반으로 후향적 연구를 수행했다.

전자의료기록(EHR)을 통해 수집한 활력징후, 혈액검사 결과, 영상 데이터 등 멀티 모달리티 정보를 활용해 환자의 악화를 예측할 수 있는지를 확인한 것.

연구 종점은 응급실에서 발생할 수 있는 병원 내 심정지(in-hospital cardiac arrest), 승압제 사용(inotropic circulatory support), 전문 기도 관리(advanced airway) 및 중환자실 입원(intensive care unit admission) 등 급성 악화 이벤트 예측이었다.

연구 결과 에이아이트릭스가 제시한 응급실 내 중증 악화 예측 모델은 내원 초기 정보를 비롯한 다양한 비정형 데이터를 활용해 평가 지표보다 높은 예측 정확도를 보였다.

또한, 사물인터넷(IoT) 기기로부터 수집된 연속적인 데이터를 활용했을 때 이를 활용하지 않은 경우와 비교하여 예측 정확도가 향상되는 것을 확인했다.

실제로 과거 로지스틱 회귀 접근 방식과 비교했을때 전문 기도 관리의 경우 인공지능의 정확도를 의미하는 AUROC(곡선하면적)이 1시간내는 0.989, 12시간 추적에서는 0.959로 로지스틱 모델 0.978, 0.950에 비해 유의미하게 높았다.

또한 중환자실 입원에 대한 예측 성능도 멀티모달 딥러닝 시스템은 1시간내 0.956, 12시간내 0.905로 로지스틱 회귀 모델 0.912, 0.867에 비해 우월했다.

전문가들은 에이아이트릭스의 이 모델이 응급실 내에서 멀티 모달과 딥러닝을 통해 환자 상태 악화를 조기에 감지하기 위한 알고리즘 활용 가능성을 제시했다고 평가하고 있다.

연구를 진행한 김지훈 교수는 "응급실에서는 중증 악화 예측에 필요한 정보를 수집하는 데 시간이 오래 걸리기 때문에 의료진은 제한된 정보로 빠르고 정확한 결정을 내려야 한다"며 "따라서 딥러닝 기술을 활용해 다양한 임상 응용 프로그램에서 사용할 수 있는 새로운 알고리즘을 설계했다"고 설명했다.

이어 그는 "이번에 개발된 예측 모델은 환자 상태 변화에 실시간으로 대응할 수 있어 의료진의 의사결정에 큰 도움을 줄 것으로 기대된다"고 밝혔다.