섬망이란 주의력 ,언어 구사력 등 인지 기능 장애와 함께 △수면장애 △환시 및 환청 △과다행동이나 불안증 등 정신병적 증상을 보이는 병이다. 최소 수 개월에 걸쳐 증상이 발생하는 퇴행성 치매와는 달리 단기간에 갑작스럽게 발생한다는 특징이 있다. 효과적인 치료제가 없어 미리 예측해 조기에 위험 요인을 조절해 예방하는 것이 중요하다.
이 병은 전체 입원 환자의 10~15%가 경험할 정도로 흔하며, 입원 환자의 의학적 경과를 악화하고 낙상 등을 유발해 격리 입원 기간을 늘린다. 최근 재유행이 이어지고 있는 코로나19 입원 환자에서도 이 비율이 크게 높아 문제가 되고 있다. 최근 연구에 따르면, 코로나19 중증 환자의 섬망 유병률은 55~70%에 이르며, 이 중 약 30%가 수개월 이상 섬망을 경험하는 것으로 보고된다.
박혜연 분당서울대병원 정신건강의학과 교수 연구팀은 서울대 산하 4개 병원에 코로나19로 격리입원한 878명을 대상으로 △복용약물 △기저질환 △영상·혈액 검사 등 93가지 섬망 요인을 활용해 코로나19 격리입원 환자의 섬망 발생을 예측하는 인공지능(AI) 모델을 개발하는 연구를 수행했다.
이를 통해 △입원 초기 생체신호 △투약한 약물 △혈액검사 결과 등 코로나19 환자의 임상정보를 입력하면 빠르고 정확하게 섬망 발생률·환자별 위험 인자를 확인할 수 있는 머신러닝 모델을 개발했다. 이 모델의 섬망 발생 예측 정확도는 87.3%로, 높은 확률로 코로나19 입원환자 중 초기 섬망 고위험군을 선별할 수 있다.
또한 단순 예측을 넘어, 환자의 개별적 위험인자를 확인한 뒤 약물을 비롯한 조절·중재 가능한 요인들이 무엇인지 제안해줄 수도 있다. 연구 결과에 따르면 코로나19 환자의 섬망 발생 위험을 높이는 주요 인자는 9개가 있으며, 이 중에서 △약물(항정신병, 항생제, 진정제, 해열제) △기계적 환기(인공호흡) △혈중 나트륨 감소가 특히 위험하다. 머신러닝이 이러한 지표에 이상이 있을 경우 경고해주는 식이다.
박 교수는 "이번 예측 모델을 활용한다면 환자별 위험 요소를 사전에 파악하고 약물을 조절할 수 있어 섬망 발생을 최소화할 수 있을 것"이라며 "머신러닝 모델이 실제 임상 현장에서 활용될 수 있도록 검증 연구를 수행할 예정"이라고 했다.
이번 연구 결과는 국제 학술지 《디지털 헬스(Digital Health)》에 최근 게재됐다.
