중환자실 데이터로 예측 정확도 확보… 치료에서 ‘사전 대응’으로 전환
의료의 방향이 치료 중심에서 예측과 예방 중심으로 이동하고 있다. 특히 중환자 관리에서는 상태가 악화된 이후 대응하는 방식보다, 위험 신호를 미리 포착해 개입하는 체계가 생존율을 좌우한다. 이 흐름을 보여주는 연구가 나왔다. 전북대학교 소프트웨어공학과 조재혁 교수 연구팀은 만성폐쇄성폐질환(COPD) 환자의 급성 악화를 최대 1시간 전에 예측할 수 있는 딥러닝 기반 모델을 개발했다. 이번 연구는 임상 데이터를 기반으로 실제 의료 현장에서 활용 가능한 조기경보 시스템의 가능성을 제시했다는 점에서 의미를 갖는다.
COPD는 폐 기능이 점진적으로 저하되는 만성 질환으로, 급성 악화가 발생하면 호흡곤란이 급격히 악화되며 생명 위험으로 이어질 수 있다. 문제는 악화가 갑작스럽게 발생한다는 점이다. 기존 의료 체계에서는 증상이 나타난 이후에야 치료가 시작되는 경우가 많아, 대응 시점이 늦어지는 한계가 있었다. 연구팀은 이러한 문제를 해결하기 위해 환자의 생체 신호 데이터를 시간 흐름 속에서 분석하는 접근을 택했다. 미국 MIT가 구축한 중환자실 임상 데이터베이스 MIMIC-IV에서 COPD 환자 데이터를 추출하고, 심박수, 혈압, 산소포화도, 호흡수, 체온 등 8개 주요 활력징후를 기반으로 모델을 설계했다. 특히 Transformer 구조를 활용한 시계열 분석 모델을 적용해, 시간에 따라 변화하는 패턴을 정밀하게 학습하도록 했다.
이번 모델의 핵심은 데이터 처리 방식에 있다. 연속적인 생리 신호를 일정 구간으로 나누는 ‘패칭(patching)’ 기법을 적용해, 짧은 구간에서 나타나는 미세한 변화까지 포착할 수 있도록 설계됐다. 이는 기존 모델이 놓치기 쉬웠던 국소적 패턴을 효과적으로 학습하게 만든다. 또한 실제 임상 데이터에서 악화 사례가 전체의 약 1.1%에 불과한 ‘극단적 불균형’ 문제를 해결하기 위해 균형 랜덤 언더샘플링 기법을 도입했다. 실험 결과는 의미 있는 수준이다. 이 모델은 급성 악화 발생 1시간 전 예측에서 AUROC 0.7502, 재현율 86.27%를 기록했다. 이는 실제 악화 사례의 약 86%를 사전에 탐지할 수 있음을 의미한다. 이 수준의 예측이 가능해지면, 의료진은 기관지확장제 투여 강화, 항생제 처방, 산소치료 조정 등 선제적 대응을 수행할 수 있다.
이번 연구의 핵심은 기술 자체보다 의료 방식의 변화에 있다. 환자의 상태가 악화된 이후 대응하는 것이 아니라, 데이터 기반으로 위험을 미리 예측하고 개입하는 구조로 의료 패러다임이 이동하고 있다는 점이다. 조재혁 교수는 이번 연구가 중환자실에서 COPD 급성 악화를 사전에 예측해 적시에 개입할 수 있는 조기경보 시스템의 기반을 마련한 데 의미가 있다고 설명했다. 연구팀은 향후 다기관 데이터를 활용한 외부 검증과 함께, 6~12시간 단위의 장기 예측 모델로 확장할 계획이다. 이를 통해 실제 임상 현장에서의 활용 가능성을 더욱 높인다는 구상이다. 이번 연구에는 김혜신 박사, 유서헌 박사과정생, 김재홍 석사과정생이 참여했으며, 연구 결과는 국제학술대회에서 우수논문상을 수상했다. 의료는 점점 더 빠르게, 그리고 더 앞선 시점에서 판단해야 하는 영역으로 이동하고 있다. 이번 연구는 그 변화의 방향을 보여주는 사례로 평가된다.
#전북대학교 #의료AI #COPD #딥러닝 #헬스케어 #조기경보
답글 남기기