고려대 안암병원, 20만간 데이터 AI로 외상환자 조기 사망 예측
외상환자 조기 사망 위험 예측하는 학습 모델
사망 위험 판단, 치료의 성패를 좌우하는 기준
[파이낸셜뉴스] 고려대학교 안암병원과 이화여자대학교 목동병원 공동 연구팀이 인공지능(AI)을 활용해 외상환자의 조기 사망 위험을 높은 정확도로 예측할 수 있는 모델을 개발했다.
전국 단위 공공 데이터를 기반으로 성능을 검증한 데다 AI의 판단 근거까지 제시해 향후 응급의료 현장에서 활용 가능성을 높였다는 평가다.
고려대학교 안암병원 중환자외상외과 이재명 교수와 이화여자대학교 목동병원 중환자외과 백승민 교수 연구팀은 질병관리청 국가손상정보포털의 중증외상조사 데이터를 활용해 외상환자의 조기 사망 위험을 예측하는 기계학습 모델을 구축했다고 7일 밝혔다.
외상은 교통사고나 추락, 산업재해 등으로 발생하는 중증 손상으로 전 세계 주요 사망 원인 가운데 하나다. 특히 환자의 상태가 짧은 시간 안에 급격히 악화될 수 있어 응급실 도착 직후 사망 위험을 정확하게 평가하는 것이 치료 성패를 좌우한다. 중환자실과 수술실 배정, 응급수술, 수혈 등 제한된 의료자원을 효율적으로 활용하기 위해서도 조기 위험 예측의 중요성이 커지고 있다.
연구팀은 2016년부터 2020년까지 축적된 전국 중증외상조사 자료 23만7616건 가운데 분석이 가능한 20만7012건을 선별해 연구를 진행했다. 2016~2018년 자료를 활용해 AI 모델을 학습시키고 2019~2020년 데이터를 통해 성능을 검증하는 방식으로 일반화 가능성을 확인했다.
연구에는 로지스틱 회귀(Logistic Regression), k-최근접 이웃(k-NN), 의사결정나무(Decision Tree), 랜덤포레스트(Random Forest), 다층퍼셉트론(MLP), XGB(Extreme Gradient Boosting) 등 6개 기계학습 알고리즘이 적용됐다.
분석결과 XGB 모델이 가장 우수한 성능을 나타냈다. 외상환자 사망 예측에서 AUROC 0.985, AUPRC 0.957을 기록했으며, 랜덤포레스트 역시 AUROC 0.984, AUPRC 0.956으로 높은 정확도를 보였다. 두 지표 모두 1에 가까울수록 예측력이 뛰어나다는 의미다.
특히 코로나19 팬데믹으로 응급의료체계가 큰 영향을 받았던 2020년 데이터에서도 XGB 모델은 AUROC 0.984를 기록하며 안정적인 성능을 유지했다. 연구팀은 의료 환경 변화에도 AI 모델의 활용 가능성을 보여준 결과라고 설명했다.
이번 연구의 또 다른 특징은 '설명 가능한 AI(Explainable AI)'를 적용했다는 점이다. 연구팀은 SHAP 기법을 활용해 AI가 어떤 요소를 중요하게 반영해 예측했는지를 분석했다. 그 결과 병원 도착 전 심정지 여부, 손상중증도점수(ISS), 환자 연령, 첫 수혈까지 걸린 시간 등이 조기 사망 위험을 결정하는 핵심 변수로 확인됐다.
연구진은 단일 의료기관이 아닌 전국 단위 공공 데이터를 활용해 모델을 개발하고, 시간 변화에 따른 성능까지 검증했다는 점에서 기존 연구와 차별성이 있다고 평가했다. 예측 정확도뿐 아니라 해석 가능성과 실제 의료현장 적용 가능성까지 함께 고려했다는 설명이다.
이재명 고려대 안암병원 교수는 "이번 연구는 응급의료체계와 외상진료 현장에서 중증 환자의 위험도를 보다 신속하고 객관적으로 평가할 수 있는 기반이 될 것으로 기대한다"고 말했다.
백승민 이대목동병원 교수는 "전국 외상 등록자료를 활용해 체계적인 조기 사망 위험 선별 가능성을 확인했다"며 "향후 추가 보정과 전향적 검증을 통해 응급의료체계와 외상시스템에 AI 기반 위험 선별 모델을 실제 적용하는 연구로 확대해 나갈 계획"이라고 밝혔다.
한편 이번 연구 결과는 'Machine learning models for early mortality prediction in trauma patients using public data: a nationwide retrospective study'라는 제목으로 응급·외상외과 분야 국제학술지 World Journal of Emergency Surgery에 게재됐다.
vrdw88@fnnews.com 강중모 기자
