에이아이트릭스 "미측정 정보로 환자악화 예측"

[서울=뉴시스]송종호 기자 = 에이아이트릭스가 미측정 정보를 활용한 환자 악화 예측 인공지능(AI) 모델의 성능을 확인했다.

의료AI 기업 에이아이트릭스는 자사 연구진이 개발한 환자 악화 예측 AI 모델 'MADE(Masked-Attention-based timestamp-wise Data Embedding)' 관련 연구 논문이 의료정보학 분야 국제 학술지 JAMIA에 게재됐다고 7일 밝혔다.

이번 논문의 제목은 'MADE: 전자의무기록의 미측정 정보를 활용한 일반병동 환자 악화 예측과 시간에 따른 성능 평가(MADE: Leveraging Informative Missingness and Temporal Evaluation for EHR-Based Deterioration Prediction in General Wards)'이다. 에이아이트릭스를 이를 통해 전자의무기록(EHR) 데이터에서 발생하는 미측정 정보를 활용한 일반병동 환자의 상태 악화를 연속적으로 예측하는 새로운 접근법을 제시했다.

EHR 데이터는 환자의 상태와 의료진의 판단 등에 따라 측정되는 항목과 시점이 달라 불규칙하게 수집되는 특성이 있다. 이 과정에서 일부 항목이 측정되지 않는 경우가 발생한다. 기존 EHR 기반 AI 모델에서는 이러한 미측정값을 보완하기 위해 이전에 관측된 값을 활용하거나 통계적 방법으로 값을 대체하는 방식 등이 사용돼 왔다.

에이아이트릭스 연구진은 이번 연구에서 데이터가 측정되지 않았다는 사실 자체에도 환자의 상태를 보여주는 정보가 담길 수 있다는 점에 주목했다. 예를 들어 특정 검사를 하지 않았거나 일부 데이터가 기록되지 않은 경우에도 환자의 상태나 의료진의 판단과 관련된 정보가 포함될 수 있다는 것이다.

연구진은 인공지능(AI) 모델인 트랜스포머(Transformer)와 양방향 장단기 메모리 네트워크(bi-LSTM)를 활용해 실제 측정된 값과 측정되지 않은 데이터의 패턴을 함께 분석했다. 이를 통해 환자의 검사 결과뿐 아니라 어떤 검사가 이뤄지지 않았는지도 함께 살펴 환자 상태가 악화될 가능성을 예측하도록 모델을 설계했다.

MADE의 성능은 신촌세브란스병원(SVH)의 환자 데이터를 비롯해 서울아산병원(AMC)과 한림대학교의료원(HUMC)의 외부 데이터를 활용해 평가했다. 급성중증이벤트(Major Adverse Event·MAE)와 패혈증을 대상으로 기존 방식과 다른 딥러닝 모델의 성능을 비교했다. 또 측정되지 않은 데이터를 별도로 보완하지 않은 경우와 기존의 데이터 보완 방법인 LOCF(마지막으로 측정된 값을 이어서 사용하는 방식), MICE(여러 변수를 활용해 빠진 값을 추정하는 방식)를 적용한 경우도 비교했다.

연구진은 이번 연구를 통해 전자의무기록(EHR)에서 측정되지 않은 데이터를 단순히 채워야 할 빈칸으로만 보지 않고, 환자의 상태와 관련된 정보로 활용할 가능성을 확인했다. 특히 서로 다른 의료기관의 데이터를 활용해 모델을 검증함으로써 병원마다 데이터가 수집되는 방식이 다른 상황에서도 환자 악화 예측 성능을 평가했다.

MADE 모델은 에이아이트릭스의 환자 상태 악화 예측 솔루션인 AITRICS-VC(바이탈케어)에 적용돼 의료 현장에서 활용되고 있다. 에이아이트릭스는 이번 연구를 통해 실제 의료 환경에 적용된 환자 악화 예측 AI 모델의 연구 결과를 국제 학술지에 게재했으며, 향후 EHR 기반 환자 악화 예측 기술에 대한 연구와 임상 적용을 이어갈 계획이다.

문예찬 에이아이트릭스 연구원은 "이번 연구는 의료 현장에서 불가피하게 발생하는 EHR 데이터의 미측정 정보를 단순히 보완해야 할 대상으로만 바라보지 않고, 환자의 상태를 이해하기 위한 하나의 정보로 활용할 수 있다는 가능성을 제시했다"고 말했다.

이어 "앞으로도 실제 임상 환경에서 활용할 수 있는 의료 AI 기술의 연구개발과 검증을 지속해 나가겠다"고 덧붙였다.


◎공감언론 뉴시스 [email protected]