"외상 환자 사망위험, AI로 병원 도착 전 실시간 예측"

[손의식 기자]

[라포르시안]가천대 길병원 외상외과 강우성 교수팀이 병원 도착 이전 단계에서 외상 환자의 사망 위험을 실시간으로 예측할 수 있는 인공지능(AI) 모델을 개발하고, 이를 국내외 다기관·다국가 데이터를 통해 검증했다.

이번 연구는 외상 환자의 중증도를 병원 도착 이후가 아닌 구급 현장과 이송 과정에서부터 수치로 예측할 수 있음을 입증한 것으로, 외상 진료 대응 시점을 앞당길 수 있는 근거를 제시했다. 이번 연구 결과는 네이처 자매지인 'Nature Communications(Impact Factor 15.7)'에 게재됐으며, 포스텍 생물학연구정보센터가 선정하는 '한국을 빛낸 사람들(한빛사)'에도 등재됐다.

연구는 가천대 길병원 외상외과 강우성 교수를 중심으로 경희대학교 생체의공학과 이진석 교수, 오나은 연구원, 호주 시드니 의과대학 오영철 교수 연구팀이 공동으로 수행했다.

연구팀이 개발한 'Prehospital-AI' 모델은 나이, 손상 기전, 사고 발생 시각, 의식 수준(AVPU), 혈압, 심박수, 호흡수, 체온, 산소포화도 등 병원 도착 전 단계에서 확보 가능한 총 21개 변수를 기반으로 응급실 사망 위험을 예측한다.

이 모델은 국내 국가외상등록체계(KTDB)에 등록된 외상 환자 20만 4,189명의 데이터를 학습해 구축됐다. 이후 국내 4개 외상센터와 호주 1개 중증외상센터 환자 1만 1,936명을 대상으로 외부 검증을 진행했다.

내부 검증 결과, AI 모델의 AUROC는 0.94 이상으로 나타났으며, 이는 무작위 예측인 0.5나 기존 생리학적 지표에 비해 높은 수준이다. 외부 검증에서도 국내 외상센터 기준 AUROC는 0.93~0.96 범위를 유지해, 특정 기관이나 데이터에 국한되지 않는 일반화 성능을 확인했다.

사망 여부 구분 성능을 평가한 ROC 곡선 분석에서도 AI 모델은 곡선이 좌측 상단에 밀집된 형태를 보여, 낮은 위양성률에서도 높은 민감도를 유지했다. 반면 기존 외상 평가 지표로 사용돼 온 쇼크지수의 AUROC는 약 0.71로, AI 모델과 비교해 성능 차이가 확인됐다.

사망처럼 발생 빈도가 낮은 사건에서 중요한 정밀도-재현율(PR) 곡선 분석에서도 AI 모델은 재현율이 증가하더라도 정밀도가 급격히 저하되지 않는 양상을 보였다. 이는 중증으로 예측된 환자 중 실제 사망 환자의 비율이 안정적으로 유지된다는 의미다.

예측 확률의 신뢰도를 평가한 보정 분석에서도 AI 모델은 보정 후 예측 확률과 실제 사망률이 거의 일치하는 결과를 보였다. 보정 후 기울기는 0.98로 이상적인 값인 1에 근접했으며, 브라이어 점수는 0.0069로 낮게 나타났다.

해외 검증에서도 모델의 성능은 유지됐다. 호주 시드니 대학병원 Level 1 외상센터 데이터는 병원 도착 전 변수 중 9개가 누락되고, 혈압·호흡수·산소포화도 등 주요 생리 지표의 약 75%가 결측된 환경이었음에도 AUROC 약 0.89를 기록했다.

연구팀은 이 모델을 실제 현장에 적용하기 위해 웹 기반 AI 시스템을 구축했다. 구급대원이 현장에서 스마트폰 등으로 정보를 입력하면 수 초 이내에 사망 위험 확률이 산출되고, 해당 결과가 병원으로 전송된다. 의료진은 환자 도착 전부터 중증 외상 가능성을 수치로 확인하고 수술실 가동, 중환자실 병상 확보, 외상팀 조기 소집 여부를 결정할 수 있다.

강우성 교수는 "외상 환자의 생존 여부는 병원에 도착한 이후가 아니라 도착 이전 준비 과정에서 결정되는 경우가 많다"며 "이번 연구는 병원 전 단계에서 이미 수집되고 있는 데이터를 활용해 중증도를 미리 예측할 수 있음을 보여준 것"이라고 밝혔다.

연구팀은 향후 다국가 전향적 연구를 통해 임상 효과를 추가로 검증하고, 음성 인식이나 웨어러블 기기 데이터를 결합한 차세대 외상 인공지능 시스템으로 발전시킬 계획이다.

<저작권자 Copyright ⓒ 라포르시안 무단전재 및 재배포 금지>