▲분당서울대병원 윤민재 교수는 18~20일 경주화백컨벤션센터에서 열린 춘계심혈관통합학술대회에서 'Recent Updates on AI in HF Trials'를 주제로 발표했다.

[메디칼업저버 박선혜 기자] 심부전 진단 및 예후 예측, 표현형(phenotye) 분류 등에 인공지능(AI)이 도움 될 수 있다는 기대감이 높아지고 있다.

심부전 분야에 AI를 활용할 수 있다는 근거들이 쌓이면서, 앞으로 실제 진료현장에서 AI를 통해 더 정확하고 개별적인 심부전 진료를 할 수 있을 것이란 평가다.

분당서울대병원 윤민재 교수(순환기내과)는 18~20일 경주화백컨벤션센터에서 열린 춘계심혈관통합학술대회에서 'Recent Updates on AI in HF Trials'를 주제로 발표했다.

윤 교수는 "심부전 데이터가 쌓이자 전통적인 분석 방법으로 제한이 있었던 분야에서 AI, 머신러닝, 딥러닝 등을 활발하게 이용하고 있다"며 "AI는 심부전 진단과 분류 뿐만 아니라 치료반응과 장기간 사망 위험 예측에 도움을 주고 있다"고 설명했다.

AI, 심부전 전문의와 진단 일치율 높아

심부전은 개원의뿐 아니라 전문의도 진단이 쉽지 않은 질환이다. 이에 AI-임상의사결정보조시스템(AI-CDSS)이 심부전 진단에 도움 될 것으로 기대를 모은다. AI-CDSS는 AI가 환자로부터 얻어진 임상정보를 습득하고 분석해 환자가 심부전인지 판단한다.

윤 교수는 "본 병원에서 국내 전문가들이 제시한 심부전 진단 알고리즘과 기계가 데이터를 바탕으로 제시한 알고리즘을 합쳐 '하이브리드 AI-CDSS'를 개발했다"며 "하이브리드 AI-CDSS가 심부전 진단에 도움이 되는지 확인하기 위해 심부전 전문의와 진단 일치율을 평가한 결과, 후향적 코호트에서 약 98%의 높은 정확도를 보였다"고 설명했다.

또 하이브리드 AI-CDSS를 100명의 전향적 코호트에 적용했을 때 심부전 전문의와 진단 일치율은 98%로 확인됐다. 이는 심부전 전문의가 아닌 의료진에서 78%의 일치율을 보인 것과 비교해 높은 수치다(NPJ Digit Med 2020:3:54). 실제 개원가에서 심부전 전문의가 없어 진단이 어려운 경우, 하이브리드 AI-CDSS를 활용한다면 심부전 진단에 도움 될 수 있음을 시사하는 결과다.

이와 함께 심부전의 중요한 지표인 박출률(EF)을 심전도(ECG)만으로 예측하기 위한 ECG AI 연구가 학계에서 이뤄지고 있다.

2019년에는 ECG만으로 박출률 35% 이하의 심장 수축 기능장애를 판단할 수 있는지 AI로 분석한 연구 결과가 발표됐다. 결과에 의하면, 예측 검정력인 AUC는 0.933으로 예측도가 높았다(Nat Med 2019;25(1):70~74).

유사하게 국내에서도 2곳 병원에서 5만 5000여명의 ECG를 분석해 개발한 AI 모델이 박출률 40% 이하 심부전을 예측할 수 있는지 평가했다. 그 결과, AUC는 0.843으로 높은 예측도가 확인됐다(Korean Circ J 2019;49(7):629~639). 이 같은 결과는 AI를 활용해 ECG만으로 심부전 여부를 판단할 수 있는 시대가 올 수 있다는 기대감을 높인다.

AI로 심부전 환자 사망 위험 예측할 수 있어

▲분당서울대병원 윤민재 교수.

심부전 환자 예후 예측에도 AI를 활용하려는 움직임이 포착된다.

외국에서는 심부전 환자를 예후 악화 고위험군과 저위험군으로 분류하고자 혈압, 크레아티닌, 헤모글로빈 등 8가지 임상변수를 활용한 MARKER-HF 위험도 점수를 개발했다. 위험도 점수는 -0.8점부터 0.8점까지 구성됐다.

MARKER-HF 위험도 점수를 활용해 사망 위험을 추정한 결과, AUC가 0.88로 좋은 예측도를 보여 AI를 활용해 심부전 환자의 예후를 예측할 수 있다는 근거를 제시했다(Eur J Heart Fail 2020;22(1):139~147).

MARKER-HF 위험도 점수는 한국인에게도 적용할 수 있을 것으로 보인다. 경북대병원 데이터에 MARKER-HF 위험도 점수를 적용한 결과, 심부전 환자의 1년 사망 위험 예측에 대한 AUC는 0.729, 심부전이 아닌 환자에게서는 0.770으로 조사돼 예후 예측에서 좋은 성적표를 받았다(JACC Adv. 2023 Sep, 2 (7) 100554).

국내에서는 급성 심부전 등록사업(KorAHF) 데이터를 활용해 급성 심부전 환자의 사망 위험 예측하는 딥러닝 기반 AI 알고리즘인 DAHF 위험도 점수가 개발됐다. DAHF 위험도 점수 성능을 국외 모델과 비교한 결과, 1년 사망 위험 예측 AUC는 0.88로 기존 모델보다 예측도가 높았다(PLoS One 2019;14(7):e0219302).

이와 함께 다양한 심부전 임상변수의 시간에 따른 위험 변화를 고려해 예후를 예측하는 MATCH-HF 위험도 점수가 개발됐다. 임상변수 위험을 선형적(linear)으로 보지 않고 머신러닝을 통해 특정 절단점(cut-off)를 정하고 점수를 배정하는 방식의 도구다. 심부전 위험도 점수 범위는 1~71점으로 책정한다.

이를 통해 확인한 3년 생존율은 심부전 위험도 5분위수에 따라 달랐고, 가장 저위험군은 80%, 가장 고위험군은 17%로 큰 차이가 확인됐다. 또 1년 사망 위험 예측에 대한 AUC는 MATCH-HF 위험도 점수가 0.75로, 전통적인 MAGGIC-HF의 AUC인 0.71보다 높았다. MATCH-HF 위험도 점수가 심부전 환자 예후 예측에 이점이 있음을 시사하는 결과다(Clin Res Cardiol 2021;110(8):1321~1333).

ECG를 이용한 AI 모델로 심부전 예후를 예측하는 연구도 이뤄지고 있다.

윤 교수는 "본 병원에서 4만 7000여명의 응급실 환자 ECG를 토대로 AI 딥러닝 기법을 적용, ECG로 환자의 쇼크, 심정지, 좌심실 박출률 감소 등 치명적인 상태를 예측할 수 있는 QCG 모델을 만들었다"며 "급성 심부전 환자에게 적용해 정확도를 평가한 결과, 병원 입원 중 심장사 예측에 대한 AUC가 0.821로 좋은 예측도를 보였고 장기간 사망 위험도 예상할 수 있었다. ECG를 이용한 AI가 심부전 예후 예측에 도움 된다는 것을 의미한다"고 밝혔다.

AI가 CIED 필요 환자 판단 도와…불필요한 이식 막을 수 있어

AI를 이용해 이질성이 높은(heterogeniety) 박출률 보존 심부전(HFpEF) 표현형을 분류할 수 있을 것으로 전망된다.

AI로 HFpEF 환자 표현형에 따라 매핑(mapping)해 평가한 심혈관질환에 의한 입원 또는 사망 없이 생존할 가능성은 표현형마다 차이가 있었다(Circulation 2015;131(3):269~279). 이는 AI를 활용해 예후가 좋거나 나쁜 HFpEF를 구분할 수 있음을 보여준다.

아울러 AI는 심부전 환자의 치료 과정 예측에도 활용될 수 있을 것으로 보인다.

윤 교수는 "심부전 환자의 3분의 1은 심장삽입 전기장치(CIED) 비반응자(non-responders)다. AI를 이용해 CIED를 이식하기 전 치료반응이 좋을 환자를 확인한다면, 불필요한 이식을 막을 수 있을 것"이라며 "또 제세동기(ICD) 전기 충격도 이식 후 한 번도 이뤄지지 않은 사례가 있다. ICD 전기 충격 발생 가능성을 AI로 예측한다면 어떤 환자에게 ICD를 이식할지 판단할 수 있다"고 밝혔다.

이어 "CIED 데이터 분석에 AI를 실시간으로 이용한다면, 심실빈맥(VT) 사건을 예측하고 환자에게 알릴 수 있을 것"이라며 "ECG, 심장초음파, 웨어러블 기기 등을 잘 활용한다면, 앞으로 AI를 이용해 더 정확하고 개별화된 심부전 진료를 할 수 있을 것"이라고 전망했다.