소아 응급환자 조기 예측 AI 모델 개발…"응급실 과밀화 개선"

국내 연구진이 인공지능(AI) 기반 소아 응급환자 조기 예측 모델을 개발하면서 응급실 과밀화 해법으로 기대를 모으고 있다.

배우리 가톨릭의대 교수(서울성모병원 응급의학과소아전문응급의료센터장/공동 교신저자) 연구팀이 개발한 AI 기반 소아 응급환자 조기 예측 모델에 대한 성능을 입증한 연구결과를 국제학술지에 발표했다.

이 연구에는 이창희 고려대 교수(인공지능학과공동교신저자), 최아름 서울아산병원 연구원(공동1저자), 김초희 뷰노 연구원(공동1저자) 등이 참여했으며, 연구결과는 국제학술지 Scientific Reports 최근호에 게재됐다.

이번 연구는 사람이 일상적으로 쓰는 말을 컴퓨터가 분석해 의미를 파악하는 자연어 처리 기술을 활용해 의료진이 전자의무기록에 기록한 증상과 진료 내용을 분석했다.

기존 응급환자 분류는 활력징후나 검사 결과 등 정형 데이터를 중심으로 이뤄졌다면, 검사 결과가 나오기 전 의료진이 기록한 임상 기록에 환자 상태를 판단할 수 있는 중요한 정보가 담겨 있다는 점에 주목했다. 기존 응급환자 분류 체계 대비 소아응급 환아의 상태와 치료 우선순위를 획기적으로 빠르게 결정하면서, 응급실 운영의 효율성과 효과성을 높이는 데 기여할 것으로 기대된다.

연구팀은 2012년2021년 국내 한 상급종합병원 소아 응급실을 방문한 18세 미만 소아 환자 8만 7759명의 전자의무기록 데이터를 활용해, 응급과 비응급 환아로 분류했다.

응급환아는 혈액 검사, 소변 검사, 정맥 수액 치료, 흡입 치료, 응급 약물 투여, 입원 중 하나라도 시행된 경우로, 비응급 환아는 검사나 치료 없이 경구약 처방 후 귀가한 경우로 구분했다. 현재 임상에서 응급환자를 총 5단계(13 응급, 45 비응급)로 분류하는 체계 대비 실제 치료 여부를 기준으로 설정해 정확성을 높였다.

이후 의학지식을 학습시켜 만든 한국어 의료 자연어 처리모델(KM-BERT)을 활용해 딥러닝 기반 예측 모델을 개발했다. 추가로 의료진의 의무기록 내용을 마스크 언어 모델(MLM)의 사전 학습 기법을 적용해 사전 학습했다.

마스크 언어모델(masked language modelMLM)은 BERT의 사전 훈련 방법 중 하나로, 인공 신경망 입력에 들어가는 텍스트 일부를 임의로 가리고(masking), 가려진 단어들을 예측하게 하는 훈련 방법이다.

그 결과 딥러닝 기반 자연어 처리 모델(KM-BERT with MLM)은 진단의 정확도를 확인하는 통계(AUROC) 성능은 84%, 진단의 정밀도를 확인하는 통계(AUPRC) 성능은 88%를 기록하며 다른 머신러닝 기반 모델들에 비해 우수한 성능을 보였다.

또 현재 응급실에서 널리 사용되는 환자 중증도 분류체계인 한국형 응급환자 분류도구(KTAS)와 비교한 분석에서도 AI 모델이 더 높은 예측 정확도를 보였다.

한국은 물론 전 세계적으로 겪고 있는 응급실 과밀화는 의료진 업무 과부하, 의료 자원의 비효율적 사용, 진료의 질 저하, 의료비 증가 등의 문제를 초래할 수 있다.

특히 소아 환자의 응급실 방문은 지속적으로 증가하고 있으며, 성인보다 재방문 비율도 높다. 성인의 경우 만성질환 문제로 응급실을 방문하는 경우가 많지만, 소아는 감염 질환에 취약해 연령이 낮을수록 응급실 방문 빈도가 높기 때문이다.

소아 응급실은 신속하고 정확한 치료가 중요한데, 소아 환자는 성인보다 증상을 정확하게 표현하기 어려워 진단이 어려울 수 있으며, 과밀한 응급실 환경에서는 이런 문제가 더욱 심화 될 수 있어, 응급 환자를 조기에 정확하게 분류하는 시스템 개발이 필요하다.

배우리 교수는 이번 연구 결과 AI 모델은 의료진이 기록한 주요 증상과 표현을 분석해 응급 환자를 판단하는 과정에서 실제 응급의학 전문의의 판단과 유사한 기준을 반영하고 있다라면서 응급실에서는 환자의 상태를 빠르게 판단하고 치료 우선순위를 정하는 것이 매우 중요한데, 의료진이 작성한 임상 기록을 인공지능이 분석해 응급 환자를 보다 정확하게 식별할 수 있음을 확인했다. 향후 응급실 현장에서 이 기술이 활용된다면 의료 자원의 효율적 배분과 환자 안전 향상에 도움이 될 것으로 기대한다고 전했다.