|
|
▲ 수술 후 급성신손상(PO-AKI) 예측 모델의 전체 구조
|
국내 연구진이 수술 후 치명적인 합병증 중 하나인 ‘급성 신손상(PO-AKI)’을 수술 중 생체 신호를 활용해 조기 예측할 수 있는 인공지능(AI) 모델을 개발해 주목을 받고 있다.
급성 신손상(PO-AKI, Postoperative Acute Kidney Injury)란 수술 이후 신장(콩팥) 기능이 급격히 악화되는 현상으로, 회복 지연, 장기적인 신기능 악화, 사망률 증가로 이어지는 대표적인 수술 후 합병증 중의 하나이다.
한국보건산업진흥원은 서울대병원 신장내과 이하정, 박세훈 교수, 융합의학과 김광수 교수, 정수민 연구원 공동연구팀이 서울대병원·분당서울대병원·보라매병원의 대규모 수술 데이터를 활용하여, 수술 중 실시간으로 측정되는 생체신호를 기반으로 급성 신손상 발생 위험을 예측하는 인공지능 모델을 개발하는 데 성공했다고 밝혔다.
해당 연구는 수백만 건의 실시간 생체신호 데이터를 딥러닝 기술로 분석해 신장 손상 위험도를 조기에 경고하는 AI 기반 예측 모델을 개발한 것으로, 국내 의료 인공지능 기술의 국제적 경쟁력을 입증한 우수 성공 사례이다.
수술 후 급성 신손상(PO-AKI)은 여러 종류의 수술 후 신장세포가 손상을 받아 신기능이 갑자기 악화되는 질환으로, 수술 회복을 늦추고 투석과 사망 위험을 높일 수 있어 집중 모니터링과 조기 치료가 매우 중요하다. 그러나, 기존의 모델은 대부분 수술 전 기초 정보에만 의존해 정확도가 낮고, 수술 중인 환자의 상태 변화를 실시간으로 반영하지 못하는 한계가 있었다.
이에 연구팀은 혈압, 심박수 등 수술 중 1분 단위로 수집된 생체신호를 분석해 급성 신손상 위험을 예측하는 딥러닝 모델을 설계하고 특히, 기존 모델의 주요 임상 변수 11가지도 함께 반영해 예측 성능을 강화하였다.
본 모델은 약 11만명의 수술 데이터를 기반으로 훈련 및 외부 검증을 진행했으며 그 결과, 예측 정확도(AUROC)는 훈련 코호트에서 79.5%, 검증 코호트에서는 각각 76.2%, 78.6%를 기록해 기존 모델보다 일관되고 우수한 성능을 보여 임상 적용 가능성을 입증했다.
특히, 민감도 및 특이도 95% 기준에서도 안정적인 예측력을 보여 고위험 환자군의 조기 선별에도 신속하게 대응 가능할 것으로 기대된다.
본 연구의 공동연구자인 박세훈 교수는 “본 모델이 임상 데이터에 기반해 높은 실용성과 확장성을 갖고 있어, 수술실 내 모니터링 시스템과 연계될 경우 수술 환자의 예후 개선과 의료 안전 수준 향상에 크게 기여할 수 있을 것”이라고 설명했다.
또한, 연구책임자 이하정 교수는 “이번 연구는 수술 중 실시간 데이터를 활용한 AI 기반 예측 모델을 대규모 임상 환경에서 구현하고, 외부 검증까지 마친 우수한 사례”라며, “기존 모델은 평균값이나 최솟값 등 요약된 정보만 활용했지만, 이번 모델은 ‘순간의 변화’를 그대로 받아들이는 딥러닝 기술을 적용해 예측 정확도를 획기적으로 향상시켰다”고 밝혔다.
이어 “해당 모델을 통해 신장 손상 위험을 조기에 인지하면 의료진이 신속하게 대응할 수 있어 환자 생명에 직접적인 기여를 할 수 있을 것”이라고 강조했다.
이번 연구는 보건복지부 의료데이터 보호ㆍ활용 기술개발(R&D) 사업과 과학기술정보통신부 AI 선도형 글로벌 혁신 인재양성 사업의 지원으로 수행됐으며, 국제적으로 인정받는 의학학술지인 ‘PLOS Medicine’ 최근호에 게재됐다.
[노용석 기자] ys339@daum.net
|
