[전문기술] 인공지능을 활용해 중환자의 심정지 발생 가능성을 예측하고 예방하는 시스템이 개발되었다.

[전문기술] 인공지능을 활용해 중환자의 심정지 발생 가능성을 예측하고 예방하는 시스템이 개발되었다.

 

 

국내 연구진이 중환자실에 입원한 환자의 심정지를 실시간으로 예측할 수 있는 인공지능 기반의 혁신적인 머신러닝 모델을 개발해 전세계적으로 큰 관심을 받고 있다.

한국보건산업진흥원 관계자는 "서울대병원 마취통증의학과 연구팀이 심전도 데이터에서 추출한 심박변이도를 이용해 24시간 이내 심장마비 발생 위험을 정확히 예측하는 우수한 성능의 인공지능 모델 개발에 성공했다"고 말했다. * 심박변이도(Heart rate variability, HRV): 연속되는 심작 박동 사이의 시간 간격이 얼마나 변화하는지를 측정하는 지표로, 심장의 건강 상태와 자율신경계의 활동 등을 반영함.

중환자실에서 급성 심정지가 발생할 확률은 전 세계적으로 약 0.5~7.8%에 이르며, 이러한 응급 상황이 발생했을 때 조기에 이를 파악하고 적절한 조치를 취하는 것은 환자의 생존율과 예후 개선에 매우 중요하다.

중환자실에서 발생하는 심정지를 조기에 예측하기 위해서는 의료 현장에서 실제로 사용되고 있는 생체 신호를 활용하는 것이 무엇보다 중요하다. 특히 심전도는 중환자실에서 가장 많이 사용하는 생체신호이기 때문에 이를 기반으로 한 인공지능 알고리즘은 국내뿐만 아니라 해외의 다양한 중환자실에서도 유용하게 쓰일 수 있다.

본 연구팀은 서울대학교병원 중환자실에 입원한 환자 5,679명의 심전도 데이터를 바탕으로 실시간 심정지 예측이 가능한 인공지능(AI) 시스템을 개발했다.

5분 동안 측정한 하나의 심전도 데이터만으로 추출한 33개의 심박변이도 지표를 활용해 머신러닝 모델을 구축했으며, 해당 모델은 24시간 내에 심장마비가 발생할 가능성을 예측하는 데 뛰어난 성능을 보였다.

본 모델에서는 인공지능을 통해 예측한 결과의 정확도를 나타내는 지표인 AUROC가 0.881로 나타났다. AUROC는 실제로 질병이 있는 경우를 질병이 있다고 정확히 판단하는 정도와 실제로 질병이 없는 경우를 질병이 없다고 정확히 판단하는 정도를 모두 고려한 지표로, 1에 가까울수록 그 성능이 우수하다고 볼 수 있다.

그러나 맥박과 호흡 등 생체신호를 이용해 심장마비 발생 가능성을 예측하는 기존 방법의 정확도는 0.735 정도입니다. 이에 비해 이번에 개발된 인공지능 알고리즘은 훨씬 높은 정확도를 보여줍니다.

서울대학교병원 이현훈 교수는 "이번 연구에서는 별도의 정보 입력 없이 하나의 생체신호만으로 예측모델을 구축하는 데 성공했다"며 "향후 중환자실 내 다양한 의료기기로부터 획득되는 빅데이터를 실시간으로 분석해 병원 운영 및 관리 자동화, 질병 진단 등에 활용될 수 있을 것"이라고 말했다.

서울대학교병원 응급의학과 이형철 교수는 "이번에 개발한 인공지능 모델은 향후 병원 내 심정지 발생 위험 예측 알람 시스템 구축에 활용될 예정"이라며 "이를 통해 심정지 고위험군 환자를 조기 발견함으로써 이들의 사망률 감소와 의료비용 절감 효과가 있을 것으로 기대된다"고 말했다.

본 연구는 보건복지부에서 주관하는 '중환자 특화 빅데이터 구축 및 AI 기반 CDSS 개발' 과제의 일환으로 진행됐으며, 세계적인 국제학술지 '네이처 디지털 메디슨(Nature Digital Medicine)'에 11월 23일 자로 게재됐다.