중환자실(ICU)의 급성 심장 정지는 세계적으로 0.5~7.8% 발생하는 것으로 보고된다. 특히 급성 심정지의 조기 예측 및 신속한 대응은 환자 생존율을 높이고 합병증을 줄이는데 결정적인 역할을 한다.

국내 연구진이 중환자실 환자의 심장 정지를 실시간으로 예측할 수 있는 인공지능(AI) 기반의 혁신적인 머신러닝 모델을 개발했다.

한국보건산업진흥원은 최근 서울대병원 마취통증의학과 연구팀이 심전도(ECG) 데이터에서 추출한 심박변이도를 이용해서 24시간 내 심정지 발생 위험을 정확히 예측하는 AI 모델 개발에 성공했다고 최근 밝혔다.

심박변이도(HRV‧Heart rate variability)는 연속되는 심작 박동 사이의 시간 간격이 얼마나 변화하는지 측정하는 지표다. 심장의 건강 상태와 자율신경계의 활동 등을 반영한다.

서울대병원 이형철 교수는 “이번에 개발한 인공지능 모델은 앞으로 실제 중환자실 내 심정지 발생 위험 예측 알람 개발에 활용될 것”이라며 “심정지 위험이 높은 환자를 조기에 스크리닝 해서 합병증 발생을 줄이고, 의료비 절감도 가능할 것으로 기대한다”고 의미를 설명했다.

이번 연구 결과는 국제 과학학술지인 ‘네이처 디지털 메디슨’에 최근 게재됐다.

중환자실 내 심정지 조기 예측을 위해선 지속적인 환자 모니터링에 실제 사용하는 생체신호를 이용하는 것이 매우 중요하다.

특히 심전도는 중환자실에서 가장 흔히 사용하는 생체신호로, 이를 이용한 인공지능 알고리즘은 국내‧외 여러 중환자실 환경에서 범용성과 활용성이 높다.

연구팀은 서울대병원 중환자실 입실 환자 5679명의 심전도에서 추출한 심박 변이도를 이용해, 실시간 심정지 예측을 위한 머신러닝 모델을 개발했다.

5분 길이의 단일 채널 심전도만으로 추출한 33가지 심박변이도 지표를 이용했다. 특히 이 방법은 24시간 내 심정지 발생을 예측하는데 우수한 성능을 보였다.

이 모델에서 인공지능 예측 성능을 평가하는 AUROC 값은 0.881 이었다. AUROC는 실제 심정지가 발생한 양성을 양성으로 정확하게 예측하는 능력(민감도)과 심정지가 발생하지 않은 음성을 음성으로 정확하게 예측하는 능력(특이도)을 모두 반영하는 지표다. 1에 가까울수록 성능이 우수한 것이다.

반면 활력징후에 기반을 둔 기존 심정지 예측 모델의 AUROC 값은 0.735다. 즉 연구팀이 개발한 머신러닝 모델은 기존 모델보다 더 좋은 성능을 보였다.

서울대병원 이현훈 교수는 “이번 연구에서 개발한 모델은 추가적인 임상정보 없이 단일 채널 심전도만을 이용한 새로운 알고리즘을 개발했다는 점에서 기술적 돌파구를 마련했다”며 “앞으로 중환자실 임상 현장에서 인공지능을 이용한 임상의사결정지원시스템(CDSS)에 쉽게 적용할 수 있을 것”이라고 전망했다.

최수아 기자 다른기사 보기