국내 연구팀이 응급실에서 급성 심부전 환자를 신속하고 정확히 진단할 수 있는 기술을 개발했다.
급성 심부전은 응급실에서 높은 사망률을 보이는 질환의 하나로, 정확한 조기 진단이 환자의 생명을 좌우할 수 있다. 다만, 기존의 진단 방법은 환자의 상태와 검사 환경에 따라 제약이 많아 정확성과 신속성이 떨어졌다.
고려대 안암병원 순환기내과 주형준, 차정준 교수 연구팀은 이런 한계를 극복하기 위해 응급실에서 시행하는 심전도를 기반으로 인공지능 딥러닝을 이용해 급성 심부전을 조기 진단할 수 있는 모델을 개발했다.
이번 연구는 2016년부터 2020년까지 고려대학교 안암병원, 구로병원, 안산병원 3개 병원의 응급실 심전도 데이터를 기반으로 진행됐으며, 총 1만 9285명의 환자 데이터를 분석해 딥러닝 알고리즘을 개발했다. 연구팀은 심전도 데이터에서 주요 형태학적 특징을 추출하고, 이를 임상 데이터와 결합해 여러 머신러닝 모델을 비교했다.
최종적으로 'CatBoost' 알고리즘을 기반으로 한 모델이 가장 우수한 성능을 보였는데, 내부 검증에서 정확도 81%, 외부 검증에서 82%라는 높은 예측도를 보였다. 특히, 심전도 데이터와 임상 데이터를 결합한 모델은 심전도 단독 모델보다 진단 정확도가 유의미하게 높았다.
급성 심부전은 응급실에서 높은 사망률을 보이는 질환의 하나로, 정확한 조기 진단이 환자의 생명을 좌우할 수 있다. 다만, 기존의 진단 방법은 환자의 상태와 검사 환경에 따라 제약이 많아 정확성과 신속성이 떨어졌다.
고려대 안암병원 순환기내과 주형준, 차정준 교수 연구팀은 이런 한계를 극복하기 위해 응급실에서 시행하는 심전도를 기반으로 인공지능 딥러닝을 이용해 급성 심부전을 조기 진단할 수 있는 모델을 개발했다.
이번 연구는 2016년부터 2020년까지 고려대학교 안암병원, 구로병원, 안산병원 3개 병원의 응급실 심전도 데이터를 기반으로 진행됐으며, 총 1만 9285명의 환자 데이터를 분석해 딥러닝 알고리즘을 개발했다. 연구팀은 심전도 데이터에서 주요 형태학적 특징을 추출하고, 이를 임상 데이터와 결합해 여러 머신러닝 모델을 비교했다.
최종적으로 'CatBoost' 알고리즘을 기반으로 한 모델이 가장 우수한 성능을 보였는데, 내부 검증에서 정확도 81%, 외부 검증에서 82%라는 높은 예측도를 보였다. 특히, 심전도 데이터와 임상 데이터를 결합한 모델은 심전도 단독 모델보다 진단 정확도가 유의미하게 높았다.
주형준 교수는 “이번 연구는 급성 심부전 조기 진단의 새로운 장을 열었다”며 “심전도와 임상 데이터를 통합한 딥러닝 모델은 기존 진단 방법의 한계를 극복하고, 응급실에서의 신속한 의사 결정을 가능하게 할 것”이라고 했다.
차정준 교수는 “이 기술의 고도화를 통한 상용화가 가능해지면 응급실에 내원하는 급성 심부전 환자의 치료 결과를 대폭 개선할 수 있을 것”이라고 했다.
한편, 이번 연구 결과는 심혈관 질환 관련 국제학술지 'European Heart Journal: Acute Cardiovascular Care' 최신호에 게재됐다.
차정준 교수는 “이 기술의 고도화를 통한 상용화가 가능해지면 응급실에 내원하는 급성 심부전 환자의 치료 결과를 대폭 개선할 수 있을 것”이라고 했다.
한편, 이번 연구 결과는 심혈관 질환 관련 국제학술지 'European Heart Journal: Acute Cardiovascular Care' 최신호에 게재됐다.
이 기사와 관련기사