[디지털데일리 이건한 기자] 중환자실(ICU) 환자가 2일 이내에 조기 재입실할 확률을 기존 모델보다 4배 더 정확하게 예측할 수 있는 AI 모델 연구 내용이 담긴 국내 AI 스타트업의 논문이 국제 학술지에 게재됐다.

의료 AI 스타트업 뷰노는 자사의 '중환자실 퇴실 후 48시간 이내 재입실 예측을 위한 기계 학습 모델의 다기관 검증 연구(Multicenter validation of a machine learning model to predict intensive care unit readmission within 48 hours after discharge)' 논문이 국제학술지인 란셋(The Lancer)'의 자매지인 'e클리니컬메디슨' 최신호에 게재됐다고 10일 밝혔다.

중환자실의 퇴실 후 재입실은 환자 안전과 관련해 매우 중요한 지표다. 퇴실이 지연되면 환자의 의료 비용과 감염 위험성이 커지며 너무 이르면 사망률이 높아진다는 학계의 보고가 있기 때문이다. 그러나 지금까지 퇴실 결정은 주로 의료진의 주관적인 경험에 의존되었다. 기존 임상에서 활용된 점수 체계는 성능이 낮아 실효성이 낮았다.

이에 뷰노 연구팀은 서울대학교병원 마취통증의학과 이형철 교수 연구팀과 AI로 48시간 이내 중환자실 재입실을 예측하는 딥러닝 모델 개발에 착수한 결과 유의미한 결과를 얻는 데 성공했다.

연구팀은 중환자실 입원 기간에 수집된 활력징후(Vital Sign) 및 혈액검사 결과를 기반으로 중환자실 재입실 위험도를 평가하는 모델을 개발했다. 2007년부터 2018년까지 서울대학교병원의 환자 데이터를 학습시켜 새로운 모델을 개발했으며, 모델의 성능은 다시 2019년부터 2021년까지 서울대학교병원의 환자 및 미국 200여개 의료기관 환자 데이터를 활용해 후향적으로 검증 평가했다. 평가는 비교지표로 활용할 수 있는 임상 점수체계 중 조기경보시스템, 환자 중증도 평가 도구, 중환자실 재입실 위험도 평가 도구 등을 비교하는 방식으로 진행했다.

그 결과 연구팀의 개발한 모델이 고위험군으로 예측한 환자는 약 40% 이상이 48시간 이내에 중환자실에 재입실했다. 연구팀에 따르면 이는 비교지표 대비 모델 성능이 약 4배 이상 높아진 결과물이다. 또한 AUROC(인공지능 모델 성능평가지표)도 0.820을 획득해 기존 점수체계보다 높은 성능이 확인됐다는 설명이다.

또한 논문의 세부 내용에 따르면 연구팀의 모델은 AI가 어떤 과정으로 결과를 만들어내는지 알 수 있는 '설명 가능성'을 갖고 있다. 이를 위해 SHAP(Shapley Additive Explanations) 기법이 활용되며 의료진은 '호흡수', '혈압' 등 어떤 변수가 재입원 위험을 높이는지 직관적으로 이해할 수 있다. 의료용 AI의 주된 활용 목적 중 하나인 현장의 의사결정에 실질적인 도움을 줄 수 있는 대목이다.

이와 함께 복잡하고 활용하기 어려운 데이터가 아닌, 환자의 전자의무기록(EHR)에서 쉽게 얻을 수 있는 30개의 변수만을 사용함으로 의료진이 실제 임상 환경에서 쉽게 적용할 수 있다는 장점도 있다. 이를 통하여 중환자실에서 퇴원 결정을 내릴 때 자동으로 위험 점수도 계산되도록 설계됐다. 단순한 성능 개선 연구를 넘어 실제 임상 환경에서의 활용 가능성을 염두에 두고 개발된 모델인 셈이다.

주성훈 뷰노 CTO(최고기술책임자)는 "이번 연구로 뷰노의 딥카스(DeepCARS) 후속 모델의 우수한 예측 성능을 인정받았다"며 "현재 국내 120개 의료기관의 일반 병동에서 활용 중인 딥카스의 후속 솔루션으로 중환자실 환자 대상 심정지, 사망, 패혈성쇼크 예측 모델도 개발을 마치고 순차적으로 인허가 예정"이라고 말했다.