[서울=뉴시스]송종호 기자 = 에이아이트릭스가 15만7000건의 입원 환자 데이터를 기반으로 수행한 급성신부전 예측 인공지능(AI) 연구 결과를 담은 논문을 발표했다.

의료 AI 기업 에이아이트릭스는 디지털 헬스케어 분야 국제 학술지인 'npj 디지털 메디신(npj Digital Medicine)'에 급성신부전(Acute Kidney Injury, AKI) 발생 위험 예측 딥러닝 모델 연구 논문이 게재됐다고 28일 밝혔다.

'npj 디지털 메디신'은 국제 학술 출판 그룹 네이처 포트폴리오(Nature Portfolio)가 발행하는 디지털 헬스케어 분야의 권위 있는 국제 학술지다. 의료 AI 및 디지털 헬스 분야의 혁신적인 연구를 다루고 있다.

 이번 연구는 급성신부전 발생 위험을 예측하는 다양한 AI 모델을 개발하고, 실제 임상 환경에서의 활용 가능성을 평가하기 위해 연속적인 환자 데이터 흐름을 반영한 시뮬레이션 환경에서 모델 성능을 비교 및 분석했다.

급성신부전(AKI)은 입원 환자에게 흔히 발생하는 합병증으로 높은 이환율과 사망률을 동반해 조기 예측과 신속한 대응이 중요하다. 의료 AI를 활용한 조기 예측 기술 연구가 활발히 진행되고 있으나, 기존 모델은 특정 시점에서의 정확도(AUROC) 중심으로 성능을 평가해 실제 의료현장의 연속적인 모니터링 환경을 충분히 반영하지 못한다는 한계가 있었다.

이에 에이아이트릭스 연구진은 국내외 3개 의료기관의 입원 환자 15만 7323건 데이터를 활용해 3종의 딥러닝 모델과 2종의 기존 머신러닝 모델을 개발하고, 실제 병원의 연속 환자 모니터링 환경을 구현해 각 모델의 성능을 비교 및 검증했다.

연구 결과, 딥러닝 모델은 기존 머신러닝 모델보다 우수한 예측 성능을 보였다. 특히 단일 시점에서 가장 높은 정확도를 기록한 모델이 실제 의료현장에서 가장 우수한 성능을 보이는 것은 아닌 것으로 나타났다.

반면, 시간에 따른 예측 성능의 안정성과 경보 발생 부담(Alert Burden)을 함께 고려한 평가를 통해 실제 임상 환경에 보다 적합한 모델을 선별할 수 있음을 확인했다.

이번 연구는 의료 AI 성능 평가가 단순한 정확도 중심의 지표를 넘어, 실제 임상 환경에서의 지속적인 활용 가능성과 운영 부담까지 고려해야 한다는 점을 보여줬다. 특히 시간 변화에 따른 모델 안정성과 경보 발생 부담을 함께 평가하는 접근법을 통해 의료 현장 적용성을 높일 수 있는 평가 방향을 제시했다.

이경현 에이아이트릭스 연구원은 "이번 연구는 예측 정확도가 높은 AI 모델이 실제 의료 환경에서도 반드시 유용한 것은 아니라는 점을 확인했다는 데 의미가 있다"며 "특히 정확도와 함께 시간에 따른 예측의 일관성, 의료진이 감당해야 할 경보량까지 함께 평가해야 실제 활용 가능한 모델을 선별할 수 있다"고 말했다.

이어 "앞으로도 지속적인 딥러닝 기술 혁신을 통해 실제 의료 현장에 실질적인 도움을 주는 AI 모델 연구를 이어가겠다"고 덧붙였다.


◎공감언론 뉴시스 song@newsis.com