존스홉킨스 대학 연구진이 개발한 획기적인 AI 모델은 ECG 검사에서 이전에는 볼 수 없었던 신호를 감지하여 전례 없는 정확도로 수술 후 치명적인 합병증을 예측할 수 있습니다.
새롭게 개발된 인공지능 모델은 외과의들이 수술 후 합병증을 예측하고 관리하는 방식에 혁신을 가져올 것으로 예상되며, 현재 의사들이 사용하는 기존의 위험 점수보다 훨씬 뛰어난 성능을 보일 것으로 예상됩니다. 이 혁신적인 성과는 존스홉킨스 대학교 연구진이 AI를 활용하여 일상적인 심전도(ECG) 검사에서 이전에는 감지되지 않았던 신호를 발견한 데서 비롯되었습니다.
AI 모델은 ECG 결과 내의 더욱 복잡한 생리학적 데이터를 활용하여 의사와 환자 모두의 의사 결정과 위험 계산을 개선할 것으로 기대됩니다.
존스 홉킨스 의대 정보학·통합·혁신부장인 로버트 D. 스티븐스 수석 저자는 보도자료를 통해 "기본적인 심전도에는 육안으로는 식별할 수 없는 중요한 예후 정보가 담겨 있음을 보여줍니다."라고 밝혔습니다. "이러한 정보는 머신러닝 기술을 통해서만 추출할 수 있습니다."
게재 오늘 영국 마취학 저널에 게재된 이 연구는 의료계의 중요한 요구 사항을 다루고 있습니다.
수술로 인해 합병증이 발생할 가능성이 있는 환자를 식별하는 데 사용되는 기존 위험 점수의 정확도는 60%에 불과합니다.
약 37,000명의 환자의 수술 전 ECG 데이터를 분석하여 AI 모델을 훈련시켰습니다. 한 모델은 ECG 데이터에만 초점을 맞추고, 다른 "융합" 모델은 ECG 결과를 환자 의료 기록과 통합했습니다.
결과는 매우 설득력이 있었습니다. 심전도 단독 모델만으로도 기존 위험 평가 기준을 뛰어넘었지만, 융합 모델은 한 걸음 더 나아가 심장마비, 뇌졸중, 수술 후 85일 이내 사망 등 수술 후 합병증 예측에서 30%라는 놀라운 정확도를 달성했습니다.
"이렇게 일상적인 진단, 즉 10초 분량의 데이터를 가지고 수술 후 사망 여부를 매우 정확하게 예측할 수 있다는 것은 놀라운 일입니다."라고 생체의학 공학 박사과정 학생이자 주저자인 칼 해리스는 덧붙였습니다. "수술 위험 평가를 개선할 수 있는 매우 의미 있는 발견입니다."
스티븐스는 이러한 연구 결과가 갖는 더 광범위한 의미를 설명하면서, ECG가 포착할 수 있는 광범위한 생리학적 정보, 즉 염증, 내분비계, 신진대사, 체액 및 전해질에 대한 데이터를 강조했습니다.
스티븐스는 "ECG 결과에 대한 정말 큰 데이터 세트를 얻고 딥 러닝으로 분석할 수 있다면 현재 임상의가 얻을 수 없는 귀중한 정보를 얻을 수 있을 것이라고 생각했습니다."라고 덧붙였습니다.
또한 연구팀은 수술 후 심장마비나 뇌졸중과 어떤 ECG 특징이 연관이 있는지 식별하는 방법을 개발했습니다.
스티븐스는 "대수술을 받는다고 상상해 보세요. 아무도 볼 수 없는 심전도(ECG)를 기록에 넣는 대신, 모델을 통해 위험 평가를 받고 의사와 수술의 위험과 이점에 대해 상담할 수 있습니다."라고 덧붙였습니다. "이것은 환자의 위험 평가 방식에 있어 획기적인 진전입니다."
새로운 AI 모델은 수술 위험을 예측하는 데 큰 진전을 이룰 뿐만 아니라, 추가적인 연구 방향을 열어줄 수 있는 통찰력도 제공합니다.
연구팀은 더 큰 데이터 세트와 수술을 앞둔 환자를 대상으로 한 전향적 연구를 통해 이 모델을 테스트하고자 합니다.
또한 연구팀은 미래에 AI가 ECG에서 추출할 수 있는 다른 잠재적인 귀중한 데이터 포인트도 탐색하고 있습니다.
출처: 존스 홉킨스 대학