 |
왼쪽부터 고려대 안산병원 응급의학과 이수교 교수, 고려대 의대 통일한국보건의학연구소 정수민 교수.[사진=고려대 안산병원] |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
[서울경제TV=이금숙기자] 고려대 안산병원 응급의학과 이수교 교수와 고려대 의대 통일한국보건의학연구소 정수민 교수 연구팀이 응급실에서 환자와 의료진이 나눈 실제 대화를 학습해 중증도를 분류하는 인공지능(AI) 모델을 개발했다. 이 모델은 정확도 75.94%를 기록해 챗GPT(56.68%)와 의료 특화 모델인 ClinicalBERT(69.42%)를 모두 앞질렀다.
응급실에서는 환자 상태를 빠르게 평가해 치료 우선순위를 정하는 중증도 분류가 핵심이다. 국내에서는 한국형 응급환자 분류도구(KTAS)를 사용한다. 심정지·의식 변화·대량 출혈 등 생명을 위협하는 증상의 KTAS 12단계 환자는 면담 없이 즉시 응급 처치를 받는다. 그러나 의료적 처치가 필요한 KTAS 3단계와 비교적 경증인 45단계를 구분하는 과정은 까다롭다. 검사 수치보다 환자 면담 내용, 증상 경과, 통증 양상 등 세밀한 임상 판단에 크게 의존하기 때문이다.
기존에도 ClinicalBERT 등 의료 특화 AI를 활용한 중증도 분류 연구가 진행됐다. 하지만 이들 모델은 요약된 임상 시나리오나 구조화된 환자 사례를 기반으로 학습돼 실제 임상 환경을 충분히 반영하지 못한다는 한계가 있었다.
연구팀은 이를 해결하기 위해 국내 3개 상급종합병원 응급실에서 수집한 총 5,244건의 임상 대화 데이터를 활용했다. 이 데이터는 중증도 분류, 진료, 투약 및 검사, 검사 결과 설명 및 퇴원 등 네 단계로 구성돼 있다. 연구팀은 이 가운데 중증도 분류 단계의 대화 1057건을 선별해 모델을 학습시켰다.
검증 결과 연구팀의 모델은 정확도뿐 아니라 재현율에서도 우수한 성능을 보였다. 긴급 환자를 놓치지 않고 식별하는 능력을 뜻하는 재현율은 0.9610으로 ChatGPT(0.5352)를 크게 앞섰다. 이는 실제 긴급 환자 가운데 약 96%를 정확히 찾아냈다는 의미다.
이수교 교수는 "이번 연구는 응급실 현장의 실제 대화를 별도의 요약이나 가공 없이 학습해 환자의 긴급도를 파악할 수 있는 최초의 AI 모델"이라며 "짧은 시간 안에 환자 상태를 판단해야 하는 응급실에서 효과적인 임상 의사결정 지원 도구로 활용될 수 있을 것"이라고 말했다.
정수민 교수는 "특정 임상 상황에 맞는 데이터를 활용하면 범용 AI보다 더 높은 성능을 보일 수 있다"며 "실제 응급실 대화 데이터를 기반으로 학습한 모델이 응급 환자 분류에서 더 높은 정확도를 보일 수 있음을 확인한 사례"라고 설명했다.
이번 연구는 의료정보학 분야 국제학술지 JAMIA(Journal of the American Medical Informatics Association)에 게재됐다.
/kslee@sedaily.com
이금숙 기자 kslee@sedaily.com
[ⓒ 서울경제TV(www.sentv.co.kr), 무단 전재 및 재배포 금지]
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
