돌연 심장사는 예고 없이 발생하는 경우가 많아 사전에 위험을 가려내기 어렵다. 기존 심전도 검사로는 구분하기 어려웠던 돌연 심장사 위험을 인공지능(AI)이 더 정확하게 가려낼 수 있다는 연구 결과가 나왔다.
미국 캘리포니아대 버클리 연구팀은 스웨덴 통합 의료시스템에서 확보한 심전도 데이터 44만여 건과 사망 기록을 연계해 AI 모델을 개발했다. 이후 미국과 대만 환자 데이터를 통해 예측 성능을 교차 검증했다. 연구 결과, AI는 인간의 눈으로 놓치기 쉬운 심전도 내 미세한 전기 신호 변화를 추적해 돌연 심장사와 직결되는 새로운 패턴을 찾아냈다.
현재 임상에서는 심장이 한 번 수축할 때 내보내는 혈액량인 좌심실 박출률을 기준으로 돌연 심장사 위험을 평가한다. 그러나 한계가 명확했다. 이번 연구에서 AI가 고위험군으로 분류한 환자의 연간 돌연 심장사 발생률은 7%에 달했다. 이는 기존 박출률 기준 고위험군의 발생률 4.6%보다 1.5배 이상 높은 수치다. 기존 선별법만으로는 돌연사 위험이 큰 환자를 놓칠 수 있다는 뜻이다.
실제 기존 기준의 모순도 데이터로 증명됐다. 위험 환자로 분류돼 제세동기를 삽입했으나 실제 기기가 작동하지 않은 사례가 상당수였고, 반대로 저위험군으로 분류된 환자가 갑자기 사망하는 공백이 발생해 왔다. 연구팀은 심전도 전기 신호에 AI 분석을 더하면 이 같은 진단 사각지대를 메울 수 있다고 설명했다.
UC 버클리 공중보건대학원 지아드 오버마이어 교수는 "더 정확한 위험 예측은 물론, 심장이 멈추기 직전 어떤 병리적 변화가 일어나는지 이해하는 단서를 얻었다"며 "AI는 의사의 판단을 돕는 새로운 도구가 될 것"이라고 말했다. 연구팀은 현재 실제 진료 환경에 AI를 적용하기 위한 후속 연구를 진행 중이다.
이 연구 결과는 국제학술지 '네이처(Nature)' 최근 게재됐다.
미국 캘리포니아대 버클리 연구팀은 스웨덴 통합 의료시스템에서 확보한 심전도 데이터 44만여 건과 사망 기록을 연계해 AI 모델을 개발했다. 이후 미국과 대만 환자 데이터를 통해 예측 성능을 교차 검증했다. 연구 결과, AI는 인간의 눈으로 놓치기 쉬운 심전도 내 미세한 전기 신호 변화를 추적해 돌연 심장사와 직결되는 새로운 패턴을 찾아냈다.
현재 임상에서는 심장이 한 번 수축할 때 내보내는 혈액량인 좌심실 박출률을 기준으로 돌연 심장사 위험을 평가한다. 그러나 한계가 명확했다. 이번 연구에서 AI가 고위험군으로 분류한 환자의 연간 돌연 심장사 발생률은 7%에 달했다. 이는 기존 박출률 기준 고위험군의 발생률 4.6%보다 1.5배 이상 높은 수치다. 기존 선별법만으로는 돌연사 위험이 큰 환자를 놓칠 수 있다는 뜻이다.
실제 기존 기준의 모순도 데이터로 증명됐다. 위험 환자로 분류돼 제세동기를 삽입했으나 실제 기기가 작동하지 않은 사례가 상당수였고, 반대로 저위험군으로 분류된 환자가 갑자기 사망하는 공백이 발생해 왔다. 연구팀은 심전도 전기 신호에 AI 분석을 더하면 이 같은 진단 사각지대를 메울 수 있다고 설명했다.
UC 버클리 공중보건대학원 지아드 오버마이어 교수는 "더 정확한 위험 예측은 물론, 심장이 멈추기 직전 어떤 병리적 변화가 일어나는지 이해하는 단서를 얻었다"며 "AI는 의사의 판단을 돕는 새로운 도구가 될 것"이라고 말했다. 연구팀은 현재 실제 진료 환경에 AI를 적용하기 위한 후속 연구를 진행 중이다.
이 연구 결과는 국제학술지 '네이처(Nature)' 최근 게재됐다.