분당서울대병원, 에크모 인공지능 기술로 사망률 예측 모델 개발

(왼쪽부터)호흡기내과 임성윤 교수, 가정의학과 정세영 교수, 디지털헬스케어연구사업부 이하은 연구원

중증 급성 호흡부전 환자의 생명유지 장치인 에크모의 인공지능 기술로 사망률을 예측하는 모델이 개발됐다.

7일 분당서울대병원에 따르면 호흡기내과 임성윤·가정의학과 정세영 교수 연구팀(제1저자 디지털헬스케어연구사업부)은 2012년∼2015년 전국 16개 3차 병원에서 에크모 치료를 받은 급성 호흡부전 환자 368명의 생체 신호와 임상데이터에 기계 학습(머신러닝) 기법을 적용했다.

이를 통해 90일 이내 사망률을 예측하는 익스트림 그라디언트 부스팅(XGB)과 라이트 그라디언트 부스팅(LGB)을 개발했다.

연구에 사용된 데이터는 전자건강기록(EHR) 시스템에서 수집한 40가지 특성이다.

연구팀은 예측 모델의 성능 평가에서 내외부 검증을 통해 기존 에크모 생존 예측 모델인 RESP, PRESERVE와 비교했다.

평가 지표는 AUROC(수신자 조작 특성 곡선 아래의 면적)를 사용했다.

AUROC는 특정 검사도구의 진단정확도를 나타내는 통계 기법으로, 인공지능 러닝 모델의 성능평가 지표로 주로 쓰인다.

그 결과, 90일 사망률 예측 성능에서 AUROC 수치가 익스트림 그라디언트 부스팅 모델은 0.82, 라이트 그라디언트 부스팅 모델은 0.81로, 기존 모델인 RESP(0.66), PRESERVE(0.71)보다 높은 점수를 나타냈다.

외부 검증에서도 익스트림 그라디언트 부스팅 모델이 0.75로, RESP(0.70), PRESERVE(0.67) 모델보다 높은 성능을 보였다.

임성윤 교수(공동 교신저자)는 "이 모델은 에크모 치료의 성공 가능성이 낮은 환자를 식별하는 근거로 활용 가능하다"며 "코로나 팬데믹 같은 시기에 제한된 에크모 자원을 효율적으로 사용하도록 도우며, 의료진이 각 환자에게 가장 적합한 치료 방법을 결정하는 데 큰 도움이 될 것"이라고 했다.

중증의 급성 호흡부전 환자에서 에크모 치료 적용에 대한 기계학습 모델 연구는 이 분야에서 최초로 시행된 연구로, 호흡기 및 폐질환 분야 상위 Q1 등급을 유지하는 저널 「BMJ respiratory research」에 게재됐다.

성남=이강철 기자 [e-mail]