뷰노(대표 이예하)는 AI 기반 심정지 예측 의료기기 VUNO Med-DeepCARS(이하 DeepCARS)의 후속 모델에 대한 연구 논문이 국제학술지 란셋(The Lancet)의 자매지 'eClinicalMedicine' 에 게재됐다고 10일 밝혔다.

이번 연구의 주제는 중환자실(ICU)의 조기 재입실을 예측하는 딥러닝 모델 개발 및 검증에 관한 내용으로 제목은 '중환자실 퇴실 후 48시간 이내 재입실 예측을 위한 기계 학습 모델의 다기관 검증 연구(Multicenter validation of a machine learning model to predict intensive care unit readmission within 48 hours after discharge)'다.

중환자실의 퇴실 후 재입실은 환자 안전에 있어 매우 중요한 지표다. 퇴실이 지연되면 의료 비용 및 감염의 위험이 커지고 반대로 퇴실이 너무 이르면 환자 사망률이 높아진다는 보고가 있기 때문이다.

하지만 퇴실을 결정하는 표준화된 지침이 부족한 상황에서는 의료진의 주관적 평가에 의존할 수밖에 없다. 하지만 기존 임상에서 활용되는 점수 체계 또한 성능이 낮아 실효성이 떨어지는 한계가 있었다.

이에 뷰노 연구팀은 서울대병원 마취통증의학과 이형철 교수 연구팀과 함께 AI를 활용해 48시간 이내 중환자실 재입실을 예측하는 딥러닝 모델 개발에 착수했다.

연구팀은 중환자실 입원 기간에 수집된 활력징후(Vital Sign) 및 혈액검사 결과를 기반으로 중환자실 재입실 위험도를 평가하는 모델을 개발했다.

2007년부터 2018년까지 서울대병원의 환자 데이터를 학습시켜 새로운 모델을 개발했으며 모델의 성능은 다시 2019년부터 2021년까지 서울대병원의 환자 및 미국 200여개 의료기관 환자 데이터를 활용해 후향적으로 검증 평가했다.

평가는 비교지표로 활용할 수 있는 임상 점수체계 중 조기경보시스템, 환자 중증도 평가 도구, 중환자실 재입실 위험도 평가 도구 등을 비교하는 방식으로 진행했다.

그 결과 이 모델은 AUROC(Area Under the Receiver Operating Characteristics; 인공지능 모델 성능평가지표) 0.820으로 기존 점수체계보다 유의미한 개선을 보였다.

또한 생존분석 결과 이 모델이 고위험군으로 예측한 환자의 예후에서 40% 이상이 48시간 이내에 재입실했는데, 연구팀에 따르면 이는 비교지표 대비 모델성능이 약 4배 이상 높아진 것이라고 설명했다.

뷰노 주성훈 CTO는 "이번 연구로 DeepCARS 후속 모델의 우수한 예측 성능을 인정받았다"며 "현재 국내 120개 의료기관의 일반 병동에서 활용되고 있는 DeepCARS의 후속 솔루션으로 중환자실 환자 대상 심정지, 사망, 패혈성쇼크 예측 모델도 개발을 마치고 순차적으로 인허가를 끝낼 계획"이라고 밝혔다.