박준범 이대목동병원 순환기내과 교수와 신태영 비뇨의학과 교수, 김예지 이대서울병원 순환기내과 교수 연구팀은 심방세동 발생을 예측하는 AI 딥러닝 모델을 개발하고 임상적 유효성을 확인한 연구 결과를 국제학술지 ‘npj Digital Medicine’에 게재했다고 28일 밝혔다.
심방세동은 뇌졸중과 심부전, 사망 위험을 높이는 대표적인 부정맥이다. 증상이 없거나 간헐적으로 나타나는 경우가 많아 합병증이 발생하기 전까지 진단하지 못하는 사례가 적지 않다.
연구팀은 정상 리듬의 12유도 심전도 검사 결과를 바탕으로 향후 3일에서 30일 사이 심방세동 발생 위험을 예측하는 AI 모델을 개발했다.
모델은 이화의료원 환자 3만5034명과 미국 베스이스라엘 디코네스 의료센터(BIDMC) 환자 7만6941명, 국내 7개 대학병원이 참여한 전향적 PROVISION-AF 코호트 환자 549명 등 총 11만2524명의 데이터를 활용해 검증했다.
홀터 검사로 심방세동 발생 여부를 확인한 데이터를 기준으로 모델의 예측 성능을 분석한 결과, 곡선하면적(AUROC)은 이화의료원 내부 검증에서 0.87, 전향적 PROVISION-AF 외부 검증에서 0.75를 기록했다.
일반 심전도 결과를 기준으로 한 예측 성능은 이화의료원 내부 검증에서 0.79, 미국 BIDMC 외부 검증에서 0.74였다. 연구팀은 3단계 딥러닝 학습 방식을 적용해 예측 성능과 신뢰도를 높였다고 설명했다.
AI 예측 정보가 의료진의 판단에 미치는 영향도 평가했다. 연구팀이 한국과 미국 의사 70명을 대상으로 구조화된 시뮬레이션 연구를 진행한 결과, AI 정보를 함께 활용했을 때 의료진의 심방세동 위험 변별력은 0.573에서 0.650으로 향상됐다.
음성예측도(NPV)는 0.764에서 0.839로 높아졌으며 심방세동이 발생하지 않은 환자를 정확하게 분류하는 능력도 개선됐다.
이 같은 개선 효과는 진료과목과 임상 경력에 관계없이 확인됐다. 특히 부정맥을 전문으로 하지 않는 심장내과 의사에게서 효과가 가장 크게 나타났다.
연구팀은 이번 결과가 AI를 활용한 위험 예측 정보가 불필요한 추가 검사나 과잉 모니터링을 줄이고 의료자원을 효율적으로 활용하는 데 도움이 될 가능성을 보여준다고 설명했다. 다만 실제 임상 현장에서 환자의 예후나 의료 효율성을 개선하는지는 추가 연구가 필요하다.
박준범 교수는 “이번 연구는 AI 심전도 모델이 심방세동 발생을 예측하는 데 그치지 않고 실제 임상 현장에서 의료진의 진단과 환자 관리 전략을 지원할 가능성을 확인했다”며 “향후 AI 활용이 환자 예후 개선과 의료 효율성 향상으로 이어지는지 후속 연구를 진행할 계획”이라고 말했다.
이찬종 기자 hustlelee@kukinews.com
