[BioS]뷰노, 중환자실 ‘재입실예측 AI’ 연구 “란셋자매지 게재”

일반병동 환자 심정지예측AI ‘뷰노메드 딥카스’ 후속모델, 대조군比 “성능 4배↑”

의료 인공지능(AI) 기업 뷰노(VUNO)는 AI기반 심정지 예측 의료기기 ‘뷰노메드 딥카스(VUNO Med®-DeepCARS®)’의 후속 모델로 진행한 연구결과를 국제학술지 란셋(The Lancet)의 자매지 ‘eClinicalMedicine’ 최신호에 게재했다고 10일 밝혔다.

이번 연구의 주제는 중환자실(intensive care unit, ICU)의 조기 재입실을 예측하는 딥러닝모델 개발 및 평가에 관한 내용으로 제목은 ‘중환자실 퇴실 후 48시간 이내 재입실 예측을 위한 기계학습 모델의 다기관 검증연구(Multicenter validation of a machine learning model to predict intensive care unit readmission within 48 hours after discharge)’이다.

기존의 뷰노메드 딥카스는 중환자실이 아닌 일반병동에 입원한 환자의 활력징후를 분석해 24시간내 심정지 발생 위험도를 알려주는 의료기기다.

논문에 따르면 중환자실의 퇴실 후 재입실은 환자 안전에 있어 매우 중요한 지표이다. 퇴실이 지연되면 의료비용 및 감염의 위험이 커지고, 반대로 퇴실이 너무 이르면 환자 사망률이 높아진다는 연구결과가 알려져 있다. 하지만 퇴실을 결정하는 표준화된 지침이 부족한 상황에서는 의료진의 주관적 평가에 의존할 수밖에 없다.

기존 임상에서 활용되는 점수체계(scoring system) 또한 성능이 낮아 실효성이 떨어지는 한계가 있었다. 이에 뷰노 연구팀은 이형철 서울대병원 마취통증의학과 교수 연구팀과 함께 AI를 활용해 48시간 이내 중환자실 재입실을 예측하는 딥러닝 모델 개발에 착수했다.

연구팀은 중환자실 입원기간에 수집한 활력징후(vital sign) 및 혈액검사 결과를 기반으로 중환자실 재입실 위험도를 평가하는 모델을 개발했다. 지난 2007년부터 2018년까지 서울대병원의 환자 데이터를 학습시켜 새로운 모델을 개발했으며, 모델의 성능은 다시 2019년부터 2021년까지 서울대병원의 환자 및 미국 200여개 의료기관 환자 데이터를 활용해 후향적(retrospective)으로 평가했다. 평가는 비교지표로 활용할 수 있는 임상 점수체계 중 조기경보시스템, 환자 중증도 평가도구, 중환자실 재입실 위험도 평가도구 등을 비교하는 방식으로 진행했다.

그 결과, 연구팀의 모델은 AI모델 성능평가지표인 AUROC(Area Under the Receiver Operating Characteristics) 0.820으로, 기존의 점수체계보다 유의미한 개선을 보였다. 또한 생존분석 결과 이 모델이 고위험군으로 예측한 환자의 예후에서 40% 이상이 48시간 이내에 재입실했는데, 이는 비교지표 대비 모델성능이 약 4배 이상 높아진 데이터라고 연구팀은 설명했다.

뷰노 주성훈 최고기술책임자(CTO)는 “이번 연구로 DeepCARS 후속 모델의 우수한 예측 성능을 확인했다”며 “현재 국내 120개 의료기관의 일반병동에서 활용되고 있는 DeepCARS의 후속 솔루션으로 중환자실 환자 대상 심정지, 사망, 패혈성쇼크 예측 모델도 개발을 마쳤다. 앞으로도 뷰노 연구팀은 DeepCARS 시리즈가 일반병동을 넘어 병원 전체에서 환자 안전을 책임지는 역할을 다할 수 있도록 임상적 유효성 확인에 총력을 기울일 것”이라고 말했다.