서울대병원 마취통증의학과 이현훈‧이형철 교수 연구팀이 심전도(ECG) 데이터에서 추출한 심박변이도(HRV)를 이용해 24시간 내 심정지 발생 위험을 정확히 예측하는 AI 모델 개발에 성공했다고 밝혔다.

중환자실에서 급성 심정지는 전 세계적으로 약 0.5-7.8% 정도 발생하며, 이에 대한 조기 예측 및 신속한 대응은 환자의 생존율을 높이고 합병증을 줄이는 데 결정적인 역할을 한다.

중환자실 내 심정지 조기 예측을 위해 지속적인 환자 모니터링에 실제 사용되는 생체신호를 이용하는 것이 매우 중요하며, 특히 심전도는 중환자실에서 가장 흔히 사용되는 생체신호로, 이를 활용한 AI 알고리즘은 국내외 여러 중환자실 환경에서의 범용성과 활용성이 높다.

이에 착안해 연구팀은 서울대병원 중환자실 입실 환자 5679명의 심전도에서 추출된 심박 변이도를 이용해 실시간 심정지 예측을 위한 머신러닝 모델을 개발했다.

구체적으로 모델은 5분 길이의 단일 채널 심전도에서 추출된 33가지 심박 변이도 지표를 이용해 개발됐으며, AI 예측 성능을 평가하는 AUROC 값은 0.881로 활력징후에 기반한 기존 심정지 예측 모델의 AUROC 값 0.735에 비해 높게 나타나 기존 모델보다 더 좋은 성능을 가진 것으로 확인됐다.

AUROC는 심정지 발생 등과 같은 실제 양성을 정확하게 예측하는 민감도와 심정지 미발생과 같은 실제 음성을 정확하게 예측하는 특이도를 모두 반영하는 지표로, 1에 가까울수록 성능이 우수하다고 본다.

이현훈 교수는 “이번 연구는 추가적인 임상정보 없이 단일 채널 심전도만을 이용한 새로운 알고리즘을 개발했다는 점에서 기술적 돌파구를 마련했다”며 “앞으로 중환자실 임상 현장에서 AI를 이용한 임상의사결정지원시스템에 쉽게 적용할 수 있을 것”이라고 말했다.

이형철 교수는 “개발된 AI 모델은 앞으로 실제 중환자실 내 심정지 발생 위험 예측 알람 개발에 활용될 것”이라며 “심정지 위험이 높은 환자를 조기에 스크리닝 함으로써 이로 인한 합병증 발생을 줄이고 의료비 절감도 가능할 것”이라고 기대했다.

이번 연구결과는 국제학술지 ‘npj Digital Medicine (IF:15.2)’에 게재됐다.