의료 현장에서도 인공지능(AI) 기술이 빠르게 도입되고 있는 가운데 국내 연구팀이 소아 응급환자를 조기에 예측하는 AI 모델을 개발해 주목받고 있다.
서울성모병원은 “소아전문응급의료센터장 배우리 교수 연구팀이 의학 지식을 학습시켜 만든 한국어 의료 자연어 처리 기술을 활용해 딥러닝 기반 예측 모델을 개발했다”고 29일 밝혔다.
연구팀은 2012~2021년 국내 한 상급종합병원 소아 응급실을 방문한 18세 미만 소아 환자 8만7759명의 전자의무기록 데이터를 활용해 이들을 응급과 비응급 환아로 분류했다. 기존에는 주로 체온, 혈압, 맥박 같은 활력 징후나 검사 결과 등 정형 데이터를 중심으로 응급 환자를 5단계로 분류했다면, 이번 연구에선 검사 결과가 나오기 전 환자 상태를 판단할 수 있는 주요 정보가 포함된 의료진의 임상 기록에 주목해 구분했다.
이에 따라 연구팀은 응급 환아는 혈액 검사, 소변 검사, 정맥 수액 치료, 흡입 치료, 응급 약물 투여, 입원 중 하나라도 시행한 경우, 비응급 환아는 검사나 처방 없이 경구약 처방 후 귀가한 경우로 구분했다. 이후 한국어 의료 자연어 처리 모델(KM-BERT)을 활용해 딥러닝 기반 예측 모델을 개발하고, 의료진의 의무 기록 내용을 마스크 언어 모델(MLM) 기법을 적용해 사전 학습시켰다.
그 결과 딥러닝 기반 자연어 처리 모델(KM-BERT with MLM)은 진단의 정확도를 확인하는 통계 성능은 84%, 진단의 정밀도를 확인하는 통계 성능은 88%를 기록하며 다른 머신러닝 기반 모델들에 비해 우수한 성능을 보였다.
응급실에서는 환자의 상태를 빠르게 판단하고 치료 우선순위를 정하는 것이 매우 중요하다. 특히 자신의 증상을 표현하기 어려워하는 소아 환자에게 응급 상태를 빠르게 분류할 수 있는 시스템은 유용하게 활용될 수 있다.
배우리 교수는 “이번 연구는 의료진이 작성한 임상 기록을 인공지능이 분석해 응급 환자를 보다 정확하게 식별할 수 있음을 확인한 것”이라며 “향후 의료 현장에서 이 기술이 활용된다면 응급실 운영 효율성을 높이는 것은 물론 환자 안전에도 도움이 될 것”이라고 강조했다.
이번 연구는 최근 국제학술지 《사이언티픽 리포츠(Scientific Reports)》에 실렸다.
