국내 연구진이 중환자실(ICU) 환자의 심정지를 실시간으로 예측할 수 있는 인공지능(AI) 기반의 머신러닝 모델을 개발했다.

한국보건산업진흥원은 서울대병원 마취통증의학과 연구팀이 심전도(ECG) 데이터에서 추출한 심박변이도(HRV)를 이용, 24시간 내 심정지 발생 위험을 정확히 예측하는 AI 모델 개발에 성공했다고 15일 밝혔다.
HRV는 연속되는 심장박동 사이의 시간 간격이 얼마나 변화하는지를 측정하는 지표로, 심장의 건강 상태와 자율신경계의 활동 등을 반영한다.

중환자실에서의 급성 심정지는 전 세계적으로 약 0.5%~7.8% 정도 발생하는 질환으로 알려져 있다.
급성 심정지의 조기 예측 및 신속한 대응이 환자의 생존율을 높이고 합병증을 줄이는 데 중요한 역할을 한다.

중환자실 내 심정지 조기 예측을 위해서는 환자의 생체신호를 이용하는 것이 중요하다.
특히 심전도는 중환자실에서 가장 흔히 사용되는 생체신호로, 이를 이용한 AI 알고리즘은 중환자실 환경에서의 범용성과 활용성이 높다.

연구팀은 서울대병원 중환자실 입실 환자 5679명의 심전도에서 추출된 심박변이도를 이용해 실시간 심정지 예측을 위한 머신러닝 모델을 개발했다.
모델 개발에는 5분 길이의 단일 채널 심전도만으로 추출된 33가지 심박변이도 지표를 이용됐다.
이는 24시간 내 심정지 발생을 예측하는 데 우수한 성능을 보였다는 게 연구팀의 설명이다.

해당 모델에서 AI 예측 성능을 평가하는 AUROC(Area Under the Receiver Operating Characteristic) 값은 0.881로 나타났다.
활력징후에 기반한 기존 심정지 예측 모델의 AUROC 값인 0.735와 비교해 높은 수치다.
AUROC는 실제 양성을 양성으로 정확하게 예측하는 능력인 민감도와 실제 음성을 음성으로 정확하게 예측하는 능력인 특이도를 모두 반영하는 지표다.
AUROC 값이 1에 가까울수록 성능이 우수하다고 본다.

이현순 서울대병원 교수는 "본 연구에서 개발한 모델은 추가적인 임상 정보 없이 단일 채널 심전도만을 이용한 새로운 알고리즘을 개발했다는 점에서 기술적 돌파구를 마련했다"며 "앞으로 중환자실 임상 현장에서 인공지능을 이용한 임상 의사결정지원시스템(CDSS)에 쉽게 적용할 수 있을 것"이라고 설명했다.

이형철 서울대병원 교수는 "개발된 AI 모델은 앞으로 실제 중환자실 내 심정지 발생 위험 예측 알람 개발에 활용될 것"이라며 "심정지 위험이 높은 환자를 조기에 스크리닝함으로써 이로 인한 합병증 발생을 줄이고 의료비 절감도 가능할 것으로 기대한다"고 전했다.

이번 연구는 '보건복지부 중환자 특화 빅데이터 구축 및 AI 기반 CDSS 개발 사업'의 지원으로 수행됐으며, 과학 학술지 '네이처 디지털 매디슨(npj Digital Medicine)'에 지난달 23일 게재됐다.