장기 이식을 통해 최적의 생존율을 기대할 수 있는 기증자와 수혜자를 매칭하는 인공지능 솔루션이 개발돼 학계의 주목을 받고 있다.

특히 국내 환자들을 대상으로 진행한 검증 연구에서 세계에서 가장 효율적인 것으로 알려진 미국 시스템보다 좋은 결과를 도출했다는 점에서 기대감이 높아지는 모습이다.

오는 2월 24일 대한의학회 국제학술지 JKMS에는 폐 이식의 최대 효과를 위한 최적화된 인공지능 할당 시스템의 검증 연구 결과가 공개될 예정이다.

현재 폐 이식은 폐암 등 말기 폐 질환에 대한 마지막 희망으로 부상하고 있지만 공급과 수요의 불균형은 전 세계적으로 문제가 되고 있는 것이 현실이다.

이로 인해 미국에서는 지난 2005년 새로운 폐 할당 시스템을 도입해 최적의 매칭을 위한 방법을 찾아가고 있는 상황.

과거 선착순으로 진행했던 매칭을 긴급성에 따라 조정하는 것이 골자다. 비록 대기시간이 다른 대기자보다 짧다고 해도 당장 사망 위험이 높을 경우 이를 우선순위로 올리는 방법이다.

이러한 시스템은 폐 할당 점수(LAS)를 통해 이뤄진다. 대기자의 사망 위험과 이식 후 1년안에 사망할 확률 등을 예측해 대기자간에 순위를 매기는 시스템이다.

실제로 이러한 시스템이 도입된 후 미국에서는 이식 대기 시간과 대기자 사망률은 크게 줄어든 것이 확인됐다(J Heart Lung Transplant 2009;28(8):769–775).

그러나 이 또한 한계는 있었다. LAS 점수만 적용하면 고령자나 중증 환자에게 이식 기회가 돌아갈 확률이 크다는 점에서 기대 생존율이 가장 낮은 환자가 우선순위로 올라갈 수 있기 때문이다.

결국 대기자 사망 위험을 줄이면서도 이식 수혜자의 생존 확율을 높이는 방법이 필요하다는 의미가 된다.

부산대 의과대학 여혜주 교수가 이끄는 연구진이 머신러닝을 통해 대기중 사망 확률을 줄이면서도 이식 후 생존 확률이 높을 것으로 예상되는 잠재적 수혜자를 찾는 인공지능 시스템을 개발한 배경이다.

이에 따라 연구진은 2009년 9월부터 2020년 12월 사이 1599명의 폐 이식 대기자를 기반으로 하는 한국장기기증네트워크 데이터를 후향적으로 분석했다.

또한 그 결과를 콕스(COX) 회귀 분석을 통해 정제하고 대기자 사망 위허 모델과 이식 후 생존 모델을 결합해 최적화된 한국형 폐 할당 시스템인 'MaxBenefit LAS'를 개발했다.

이어 부산대병원과 양산부산대병원에 이식을 위해 등록된 환자 데이터를 통해 이에 대한 검증 연구를 진행했다.

그 결과 MaxBenefit LAS는 훈련 코호트 데이터에서 인공지능의 정확도를 의미하는 곡선 아래 면적(AUC)가 0.834, 검증 연구에서는 0.818로 매우 강력한 예측 성능을 보였다.

적어도 10명 중 8명에 대해 기증자와 수혜자간 최적의 매칭을 보장한다는 의미다.

특히 MaxBenefit LAS는 위험도에 따라 수혜자를 효과적으로 계층화했다. 점수가 높을 수록 대기자 사망 위험이 정비례 곡선으로 증가하고 이식 후 사망 위험이 반비례 곡선으로 감소했기 때문이다.

이를 통해 MaxBenefit LAS는 저위험군대 고위험군간 위험비가 2.47배로 미국의 LAS 시스템 1.74배에 비해 높은 점수를 기록했다. 고위험 환자를 더 명확하게 선별할 수 있다는 의미가 된다.

연구진은 "MaxBenefit LAS는 미국의 LAS와 비교해서도 기증 대기자의 긴급성과 이식 후 생존 가능성을 매우 균형있게 조절해 폐 할당을 최적화하는 성능을 보여줬다"며 "향후 폐 이식 수혜자의 생존율을 높이고 대기자 사망률을 줄이는데 큰 역할을 하게 될 것"이라고 밝혔다.