심정지 예측 소프트웨어 'DEWS', 기존 지표보다 정확도 높고 오경보율 낮아

인공지능으로 심정지를 예측할 수 있는 시대가 머지않은 것으로 보인다.

JAHA 6월 26일자 온라인판에 실린 연구 결과에 따르면, 인공지능 기반 심정지 예측 소프트웨어는 기존에 사용하던 지표와 비교해 예측 정확도가 높고 오경보율이 낮았다. 

이번 연구는 딥러닝을 이용한 시스템으로 심정지 예측 정확도를 본 첫 연구라는 점에서 그 의미를 더한다.

연구에서 활용한 소프트웨어는 국내 의료 소프트웨어 개발업체인 뷰노와 메디플렉스 세종병원이 공동으로 개발한 'DEWS(Deep Learning based Early Warning System)'다. 

심박수, 수축기 혈압, 체온, 호흡률 등의 네 가지 활력 징후(vital sign) 데이터를 이용해 심정지와의 연관성을 학습하도록 했으며, 입원 환자의 심정지를 발생 24시간 이내에 예측할 수 있다.  

병원 내 심정지는 미국 내에서 연간 약 20만명이 겪고 퇴원 후 생존율은 20% 미만으로 보고될 정도로 심각한 공중보건 문제로 여겨진다. 

많은 병원에서 생체 신호를 기반으로 입원 환자의 심정지를 예측하는 수정조기경고점수(Modified Early Warning Score, MEWS) 등의 평가지표를 활용하고 있지만, 민감도가 낮고 오경보율이 높아 의료인력이 부족한 임상현장에서 실질적인 도움이 되기 어렵다는 한계가 있었다.

이에 연구팀은 새로 개발한 DEWS가 기존 지표보다 심정지 위험 징후를 정확하게 예측해 의료진에게 미리 알리고 적절히 개입할 수 있도록 도울 수 있음을 입증하고자 후향적 코호트 연구를 진행했다.

분석에는 2010년 6월~2017년 7월에 국내 2곳 병원에 입원한 총 5만 2000여명의 환자 데이터가 포함됐다. DEWS에는 2010년 6월부터 2017년 7월까지 환자 데이터를 이용해 순환신경망(recurrent neural network) 방식의 신경네트워크망 기반 반복학습을 적용했다. 

1차 종료점은 심정지 예측, 2차 종료점은 소생술을 시도하지 않는 사망 예측으로 정의했다. 입원 환자가 심정지를 여러번 겪었다면 처음 발생한 심정지를 기준으로 삼았다. 

최종 결과, 입원 환자의 24시간 이내 심정지 발생 예측 정확도(area under the receiver operating characteristic curve, AUROC)는 DEWS가 85%(95% CI 0.847~0.853)로 MEWS의 정확도 60.3%(0.603~0.603)보다 25%p가량 더 높았다.

소생술을 시도하지 않는 사망 예측 정확도는 DEWS와 MEWS가 각각 92.6%(95% CI 0.925~0.929)와 81.5%(95% CI 0.815~0.815)로, 2차 종료점 맞대결도 DEWS의 승리로 끝났다. 

아울러 MEWS와 비교해 DEWS의 민감도는 최대 24.3% 높고 오경보율은 41.6% 낮은 것으로 나타났다.

이어 연구팀은 환자 1인에 대한 시간당 평균 경보율(mean alarm count per hour per patient, MACHP)에 따른 심정지 발생 예측 민감도를 평가했다. 예로 MACHP가 0.02라면 병원 내 1000명 환자가 있는 경우 시간당 경보율은 20회임을 의미한다. 

MACHP에 따른 심정지 발생 예측 민감도를 분석한 결과, MEWS는 4%에 그쳤으나 DEWS는 42.7%로 상대적으로 높은 민감도를 보였다. 

연구를 진행한 메디플렉스 세종병원 권준명 과장(응급의학과)은 논문을 통해 "DEWS는 심정지 발생 예측 민감도가 높을 뿐만 아니라 오경보율이 낮은 것으로 나타났다"면서 "DEWS로 병원 내 신속대응팀(rapid response team)이 현 시스템보다 심정지 환자를 빠르고 정확하게 찾을 수 있다. DEWS는 단 4개의 활력 지수만을 활용하기에 병원에서 쉽게 활용할 수 있을 것"이라고 전망했다.

한편 현재 해당 병원 내 신속대응팀에서 환자의 이상 여부를 조기 예측하는 데 활용하고 있으며, 올 하반기 식품의약품안전처를 통한 의료기기 인허가를 개시할 예정이다. 

저작권자 © 메디칼업저버 무단전재 및 재배포 금지