서울성모병원 연구팀이 소아 응급환자 조기 예측 인공지능 모델을 개발했다. 이 모델은 18세 미만 환자 8만7천여 명의 전자의무기록 데이터를 분석해 기존 분류 체계보다 높은 예측 정확도를 보인다. 의료 자원 배분 효율화와 환자 안전 강화에 기여할 전망이다.
서울성모병원 배우리 응급의학과 교수(소아전문응급의료센터장) 연구팀이 소아 응급환자를 조기에 예측할 수 있는 인공지능(AI) 모델을 성공적으로 개발했다. 이 혁신적인 모델은 응급실 방문 환자의 전자의무기록(EMR) 데이터를 기반으로 하며, 기존의 진단 방식이 지닌 한계를 극복하고 의료 자원의 효율적 배분과 환자 안전을 증진하는 데 중요한 역할을 할 것으로 기대된다. 특히 소아 환자 특성상 신속하고 정확한 초기 판단이 필수적인 응급의료 환경에서 AI 기술이 실질적인 해결책을 제시했다는 점에서 주목할 만하다.
▲ AI 기반 소아 응급 예측 모델 개발 현황
이번 AI 모델은 2012년부터 2021년까지 국내 한 상급종합병원 응급실을 찾은 18세 미만 환자 8만7천759명의 방대한 전자의무기록 데이터를 토대로 구축되었다. 연구팀은 이 데이터를 응급 환자와 비응급 환자로 엄격하게 분류하고, 자연어 처리(NLP) 기술을 활용하여 EMR에 기록된 환자의 증상과 진료 내용을 심층적으로 분석했다. 기존 응급환자 분류가 주로 활력 징후나 검사 결과 등 사후적인 정보에 의존했던 것과 달리, 이 AI 모델은 검사 결과가 나오기 전 의료진이 현장에서 기록한 임상 기록 등 초기 판단 정보에 집중했다는 점에서 차별점을 가진다. 응급 환자의 기준은 혈액 검사, 소변 검사, 정맥 수액 치료, 흡입 치료, 응급 약물 투여, 입원 중 하나라도 시행된 경우로 정의했으며, 비응급 환자는 검사나 치료 없이 경구 약 처방 후 귀가한 경우로 명확히 구분하여 예측의 정확도를 높였다.
▲ 데이터 분석 및 모델 성능 상세
개발된 AI 모델의 성능 검증 결과, 진단의 정확도를 나타내는 통계인 AUROC(Area Under the Receiver Operating Characteristic curve)에서 84%를 기록했으며, 진단의 정밀도를 확인하는 통계인 AUPRC(Area Under the Precision-Recall Curve)에서는 88%의 높은 수치를 보였다. 이는 현재 응급실에서 널리 활용되는 한국형 응급환자 분류도구(KTAS)와 비교했을 때도 AI 모델이 더 우수한 예측 정확성을 나타냈다는 연구팀의 분석이다. 배우리 교수는 "의료진이 직접 작성한 임상 기록을 기반으로 개발된 이번 AI 모델은 실제 응급의학과 전문의의 판단과 유사한 수준의 예측 능력을 보여준다"고 강조했다. 이러한 고성능은 AI가 복잡한 임상 데이터를 효과적으로 학습하고 패턴을 인식하여, 인간 전문가의 직관과 경험을 보완할 수 있음을 입증한다.
▲ 응급의료 현장 파급 효과 및 향후 전망
이 AI 모델의 현장 적용은 응급의료 시스템 전반에 걸쳐 긍정적인 파급 효과를 가져올 것으로 예상된다. 소아 응급환자를 보다 신속하고 정확하게 식별함으로써, 중증 환자에 대한 의료 개입을 적시에 제공하고 불필요한 자원 소모를 줄일 수 있다. 이는 한정된 응급의료 자원을 보다 효율적으로 배분하고, 의료진의 업무 부담을 경감하며, 궁극적으로 환자 대기 시간을 단축하고 안전성을 향상하는 데 기여할 수 있다. 이번 연구 결과는 국제학술지 '사이언티픽 리포트'(Scientific Reports)에 게재되어 그 학술적 가치와 신뢰성을 인정받았다. 향후 이 모델이 전국 응급의료센터에 확산 적용될 경우, 소아 응급환자 진료의 질을 한 단계 높이는 중요한 전환점이 될 것으로 기대된다.