"심전도·임상데이터 통합"…AI기반 급성심부전 조기진단 "심전도·임상데이터 결합 진단정확도 높여" "응급실 급성 신부전 환자 치료 개선 기대" 뉴시스

2025년 02월 03일(월) 11:31

[나이스데이] 국내 의료진이 응급실에서 시행하는 심전도 데이터에 인공지능(AI)을 접목해 급성 심부전을 조기 진단할 수 있는 '딥러닝(심전도·임상 데이터 통합)' 기반 모델을 개발했다.

고려대학교 안암병원 순환기내과 주형준, 차정준 교수 연구팀(주형준·차정준 교수·의료정보학교실 박사과정 문호세)은 2016년부터 2020년까지 고려대 안암병원, 구로병원, 안산병원 3개 병원의 응급실 심전도 데이터를 기반으로 총 1만9285명의 환자 데이터를 분석해 딥러닝 알고리즘을 개발했다고 3일 밝혔다.

급성 심부전은 응급실에서 높은 사망률을 보이는 질환 중 하나로, 정확한 조기 진단이 환자의 생명을 좌우할 수 있다. 하지만 기존 진단법은 환자의 상태와 검사 환경에 따라 제약이 많아 정확성과 신속성이 떨어졌다. 연구팀은 한계를 극복하기 위해 인공지능 기반 심전도 분석 기술을 도입했다.

연구팀은 심전도 데이터에서 주요 형태학적 특징을 추출하고, 이를 임상 데이터와 결합해 여러 머신러닝(기계학습) 모델을 비교했다. 머신러닝은 대량의 데이터를 기반으로 기계를 사람처럼 학습시키는 인공지능의 한 분야다. 수학적 최적화와 통계 분석 기법을 통해 다음에 일어날 일을 예측한다.

비교 분석 결과 'CatBoost' 알고리즘을 기반으로 한 모델이 가장 우수한 성능을 보였다. 내부 검증에 정확도 81%, 외부 검증에서 82%라는 높은 예측도를 보이며 가장 우수한 성능을 입증했다. 특히, 심전도 데이터와 임상 데이터를 결합한 모델은 심전도 단독 모델보다 진단 정확도가 유의미하게 높았다.

주형준 교수는 “이번 연구는 급성 심부전 조기 진단의 새 장을 열었다는 점에서 의미가 있다"면서 “심전도와 임상 데이터를 통합한 딥러닝 모델은 기존 진단 방법의 한계를 극복하고, 응급실에서의 신속한 의사 결정을 가능하게 할 것”이라고 말했다.

차정준 교수는 “이 기술의 고도화를 통한 상용화가 가능해지면 응급실에 내원하는 급성 심부전 환자의 치료 결과를 대폭 개선할 수 있을 것”이라고 했다.

이번 연구는 기존의 제한된 진단 방법에서 벗어나 응급실에서 급성 심부전 환자의 조기 선별을 가능하게 하는 기술적 돌파구를 마련했다는 점에서 의미가 크다.

이번 연구 결과는 심혈관 질환 관련 국제 학술지 '유러피안 하트 저널: 어큐트 카디오배스큘러 케어(European Heart Journal: Acute Cardiovascular Care)' 최신호에 실렸다.