병원 전 심정지·손상중증도·수혈 시간 등 주요 변수 확인…현장 활용 기대
[메가경제=김민준 기자] 외상환자의 조기 사망 위험을 인공지능(AI)으로 예측하는 모델이 국내 연구진에 의해 개발됐다. 전국 단위 공공 외상 데이터를 활용해 예측 성능과 안정성을 검증한 연구로, 향후 응급의료체계와 외상진료 현장에서 고위험 환자를 빠르게 선별하는 데 활용될 수 있을지 기대를 모으고 있다.
7일 고려대 안암병원에 따르면 이재명 중환자외상외과 교수와 백승민 이대목동병원 중환자외과 교수 공동 연구팀은 2016년부터 2020년까지 질병관리청 국가손상정보포털에 공개된 지역사회기반 중증외상조사 자료를 분석했다. 전체 23만7616건 가운데 주요 결과값이 누락되거나 불일치한 사례를 제외하고 최종 20만7012건이 연구에 포함됐다.
 |
| ▲이재명 중환자외상외과 교수. [사진=고려대 안암병원] |
연구팀은 로지스틱 회귀, 랜덤 포레스트, XGB 등 6종의 기계학습 알고리즘을 적용해 외상환자 조기 사망 예측 성능을 비교했다. 그 결과, XGB 모델이 AUROC 0.985, AUPRC 0.957로 가장 높은 성능을 보였다. 랜덤 포레스트 모델도 AUROC 0.984, AUPRC 0.956을 기록하며 유사한 수준의 예측력을 나타냈다.
특히 코로나19 유행으로 응급의료체계가 영향을 받았던 2020년 데이터에서도 XGB 모델은 AUROC 0.984를 기록해 안정적인 성능을 유지했다. 연구팀은 의료환경 변화가 큰 상황에서도 AI 모델이 외상환자 위험도 예측에 활용될 가능성을 확인했다고 설명했다.
예측에 영향을 미친 주요 요인으로는 병원 전 심정지, 손상중증도점수, 나이, 첫 수혈까지 걸린 시간 등이 꼽혔다. 연구팀은 설명 가능한 AI 기법인 SHAP 분석을 활용해 모델이 어떤 변수를 중요하게 판단했는지도 함께 검토했다.
이번 연구는 단일기관이 아닌 전국 단위 공공 데이터를 활용했다는 점에서 의미가 있다. 다만 실제 진료 현장 적용을 위해서는 전향적 검증과 추가 보정 작업이 필요하다.
연구팀은 “이번 연구는 전국 단위 외상 등록자료를 활용해 조기 사망 위험이 높은 환자를 AI로 선별할 수 있는 가능성을 확인했다는 점에서 의미가 있다”며 “향후 모델 보정과 전향적 검증을 거쳐 응급의료체계와 외상진료 현장에서 환자 위험도를 빠르게 판단하고 의료자원을 효율적으로 배분하는 데 활용될 수 있도록 연구를 발전시켜 나가겠다”고 말했다.
한편, 이번 연구는 응급·외상외과 분야 국제학술지 ‘World Journal of Emergency Surgery’에 게재됐다.
[저작권자ⓒ 메가경제. 무단전재-재배포 금지]
