중환자실에 있는 환자 10명 중 8명이 경험하는 섬망과 환각을 미리 예측해 대응할 수 있는 의료 인공지능(AI)가 개발돼 주목된다.

인력과 업무 부담이 큰 중환자실의 특성상 의료진의 워크 플로우를 크게 개선시킬 수 있다는 점에서 활용도가 높다는 것이 전문가들의 의견이다.

현지시각으로 26일 미국마취과학회가 발간하는 마취과 저널(Anesthesiology)에는 섬망 예측 인공지능의 유효성에 대한 분석 연구 결과가 게재됐다(10.1097/ALN.0000000000004478).

섬망은 질환이나 약물 등으로 인해 뇌에 기능장애가 발생하는 증상으로 보통 인지 기능 저하가 나타나며 중환자실에 입원한 환자의 경우 80%가 증상을 겪는 것으로 보고되고 있다.

특히 섬망이 발생한 환자는 장기 입원 위험이 급격하게 높아지며 이후 치매나 사망 위험의 증가까지 가져온다는 점에서 중환자 관리의 주요 요소가 되고 있는 것이 현실.

이로 인해 중환자의학에서는 섬망에 대한 즉각적인 대응을 권고하고 있지만 인력과 업무 부담이 큰 중환자실의 특성상 한계가 있는 것도 사실이다.

존스홉킨스 의과대학 스티븐(Robert D. Stevens, MD) 교수가 이끄는 연구진이 섬망을 예측할 수 있는 인공지능 개발에 나선 것도 이러한 이유 때문이다.

이에 따라 연구진은 총 208개 병원에서 수집한 20만명의 중환자실 입원 환자의 데이터 세트를 인공지능에 학습시키고 이를 기반으로 섬망 예측에 대한 알고리즘을 개발했다.

나이와 질병의 중증도, 생리학적 변수, 약물 투여 현황 등 이른바 정적 모델과 혈압과 맥박, 체온 등을 실시간으로 수집하는 동적 모델로 구성해 실제 환자에게 적용한 것.

그 결과 이 인공지능은 상시 24시간 예측 모델에서 평균 곡선 아래 면적(AUC)이 0.785를 기록했다.

평균적으로 24시간내에 정적 모델, 즉 환자의 기본 데이터만으로 섬망 발생 위험을 78% 확률로 예측할 수 있다는 의미다.

여기에 동적 모델을 결합하면 그 정확도는 더욱 높아졌다. 동적모델을 적용하자 이 인공지능은 12시간 평균 AUC가 0.845로 나타났다.

혈압과 맥박, 체온 등에 대한 실시간 모니터링을 인공지능에 대입한 것 만으로 섬망이 발생할 환자를 85%에 가까운 확률로 12시간 전에 예측할 수 있는 셈이다.

스티븐 교수는 "섬망은 중환자실에서 환자를 악화시키는 대표적 요인이지만 지금까지 이를 예측할 수 있는 방법은 없었던 것이 사실"이라며 "이로 인해 중환자실의 매우 제한된 자원으로 이에 대처하는 것이 쉽지 않았다"고 설명했다.

이어 그는 "이러한 인공지능이 조금 더 고도화된다면 중환자실에서 의료진의 워크 플로우를 크게 개선할 수 있을 것"이라며 "조기 경보 솔루션의 중요한 지표가 될 것"이라고 밝혔다.