이번 연구 결과는 지난해 12월 국제학술지 JMIR(Journal of Medical Internet Research)에 게재한 '병원 내 심정지 예측을 위한 앙상블 접근 방식을 사용한 설명 가능한 AI 경고 모델: 후향적 코호트 연구'의 후속 연구다. 임상 현장에 최적화된 심정지 예측 AI 알고리즘을 개발하기 위해 진행됐다.
씨어스는 기존 연구에 사용했던 AI 모델에서 생체신호의 입력 주기를 24시간에서 12시간으로 줄였다. 또 심정지 발생 예측 시간도 6시간 이내에서 24시간 이내로 예측이 가능하도록 고도화했다.
이번 연구는 일반적으로 활용하는 대표 이벤트 수집을 통한 예측 결과 검증방법을 사용하지 않고, 실제 임상현장을 구현해 다양한 입원환경에 따른 입원 환자의 실시간 심정지 예측 성능을 검증했다.
연구 결과의 예측 정확도를 나타내는 성능지표(AUROC)는 0.8로 기존 방법들에 비해 우수했다. 서로 다른 입원환경과 환자 특성에 관계없이 실제 입원환경에서 최고 80%의 정확도로 심정지 예측 경보를 알려줄 수 있다는 의미다.
회사 관계자는 "동일 조건에서 기존 심정지 예측 모델을 사용했을 때보다 정확도를 최대 26%p 끌어 올렸고, 예측 오경보율은 기존 연구대비 20%p 이상 감소한 결과를 보여줬다"며 "기존 방법들 대비 24시간 이내에 심정지가 일어날 가능성을 80%의 정확도로 예측하는 것은 물론 고위험 알람의 신뢰도도 20% 상승했다"고 설명했다.
이어 "제안된 AI 모델은 생체신호의 시간에 따른 통계적 정보와 생체신호 정보의 불균형성을 분석하여 알고리즘의 잠재적 편향을 최소화하는데 초점을 맞췄다"라며 "기존 심정지 예측 모델과 비교해 다양한 입원환경에서 일관된 심정지 예측 결과와 정확도를 보여줬다"고 말했다.
씨어스는 심정지 조기 발생 위험도와 함께 주요 생체신호 정보도 함께 제공한다. 이는 AI 예측모델이 의료진에게 심정지 발생 위험을 조기에 경고하고, 그 원인을 파악할 수 있는 임상진단지원시스템으로 활용될 수 있음을 의미한다고 회사 측은 설명했다.
씨어스는 이 AI 모델을 입원환자 실시간 모니터링 시스템인 씽크(thynC™)에 탑재할 계획이다. 씽크는 무선 웨어러블 의료기기로 측정한 환자의 생체 데이터를 AI 기반으로 실시간으로 분석해 이상징후를 자동으로 감지하고, 의료진의 즉각적인 대응을 돕는다.
이영신 씨어스 대표는 "웨어러블 AI 기술을 활용한 진단과 모니터링 서비스를 넘어 이제 질환 예측을 통해 늘어나는 진료수요와 입원수요에 따른 환자관리의 사각지대를 해소하는 데 연구역량을 집중하고 있다"고 밝혔다.
그러면서 "심정지 예측뿐 아니라 응급 부정맥 예측, 패혈증 예측 등 입원환자 중증화 예측과 관련한 AI 모델들을 지속적으로 상용화하여 임상현장에 적용해 나가겠다"고 덧붙였다.
◎공감언론 뉴시스 [email protected]
※ 빅데이터MSI는 투자 참고용이며, 투자 결과에 책임을 지지 않습니다. 주식시장에서는 다양한 국내외 변수가 존재하기 때문에 한 지표로만 판단하면 뜻하지 않은 결과를 초래할 수 있습니다.
