고대안암·이대목동 연구팀, 외상환자 조기 사망 예측 AI 모델 개발

[마이데일리 = 이호빈 기자] 고려대학교 안암병원과 이화여자대학교 목동병원 공동 연구팀이 인공지능(AI) 기계학습 기술을 활용해 외상환자의 조기 사망 위험을 예측하는 모델을 개발했다.

고려대 안암병원 중환자외상외과 이재명 교수와 이대목동병원 중환자외과 백승민 교수 공동 연구팀은 질병관리청 국가손상정보포털에 공개된 지역사회기반 중증외상조사 자료를 활용해 외상환자 조기 사망 예측 모델을 구축했다고 7일 밝혔다.

외상환자는 사고나 손상 이후 짧은 시간 안에 상태가 급격히 악화할 수 있어 초기 단계에서 고위험군을 선별하는 것이 중요하다. 사망 위험이 높은 환자를 조기에 확인하면 수술, 중환자실 입원, 수혈 등 의료자원을 신속하게 배분할 수 있다.

연구팀은 2016년부터 2020년까지 수집된 중증외상조사 자료 23만7616건 가운데 주요 결과값이 누락되거나 일치하지 않는 사례를 제외하고 최종 20만7012건을 분석했다.

연구팀은 Logistic Regression, k-NN, Decision Tree, Random Forest, MLP, XGB 등 6종의 기계학습 알고리즘을 적용해 예측 성능을 비교했다. 2016∼2018년 자료로 모델을 개발하고 2019∼2020년 자료로 성능을 검증했다.

분석 결과 XGB 모델이 가장 높은 성능을 보였다. XGB 모델은 외상 사망 예측에서 AUROC 0.985, AUPRC 0.957을 기록했다. Random Forest 모델도 AUROC 0.984, AUPRC 0.956으로 높은 예측 성능을 나타냈다.

AUROC와 AUPRC는 예측 모델이 실제 위험 환자를 얼마나 잘 구분하는지 평가하는 지표다. 1에 가까울수록 성능이 우수한 것으로 본다.

특히 코로나19 유행 기간인 2020년 자료에서도 XGB 모델은 AUROC 0.984를 기록해 안정적인 예측 성능을 유지했다.

연구팀은 설명 가능한 인공지능 분석 기법인 SHAP을 활용해 모델이 예측 과정에서 중요하게 반영한 요인도 확인했다. 분석 결과 병원 전 심정지, 손상중증도점수(ISS), 나이, 첫 수혈까지 걸린 시간 등이 사망 위험 예측에 큰 영향을 미치는 요인으로 나타났다.

연구팀은 이번 연구가 전국 단위 공공 데이터를 바탕으로 외상환자 조기 사망 위험 예측 모델의 성능과 해석 가능성을 함께 검증했다는 점에서 의미가 있다고 설명했다.

이재명 교수는 “이번 연구가 향후 응급의료체계와 외상진료 현장에서 환자 위험도를 빠르게 선별하는 데 활용될 수 있는 기초자료가 될 것으로 기대한다”고 말했다.

백승민 교수는 “전국 외상 등록자료를 활용해 조기 사망 위험을 체계적으로 선별할 가능성을 확인했다”며 “향후 전향적 검증을 거쳐 응급의료체계와 외상시스템에 AI 기반 위험 선별을 통합하는 연구로 발전시키겠다”고 말했다.