소아 응급환자, AI로 미리 예측한다…서울성모병원 모델 개발

KM-BERT 기반 딥러닝 모델 개발

8만7000명 EMR 데이터 학습·검증

“응급환자 조기 분류로 진료 효율성 제고 기대”

해당 이미지는 AI로 제작됨.

국내 연구진이 소아 응급환자를 조기에 예측하는 인공지능(AI) 모델을 개발했다.

가톨릭대학교 서울성모병원은 배우리 소아전문응급의료센터장(응급의학과 교수) 연구팀이 AI 기반 소아 응급환자 조기 예측 모델을 개발하고 성능을 입증한 연구 결과를 국제학술지에 발표했다고 29일 밝혔다.

연구팀은 의료진이 전자의무기록(EMR)에 작성한 증상과 진료 내용을 자연어 처리 기술로 분석하는 방식에 주목했다. 기존 응급환자 분류가 활력징후나 검사 결과 등 정형 데이터 중심으로 이뤄졌다면, 이번 연구는 검사 이전 단계의 임상 기록에도 환자 상태를 판단할 수 있는 핵심 정보가 담겨 있다는 점을 활용한 것이 특징이다.

이를 통해 소아 응급환자의 상태와 치료 우선순위를 보다 신속하게 판단할 수 있어 응급실 운영 효율성과 진료 효과를 높일 수 있을 것으로 연구팀은 기대했다.

연구팀은 2012년부터 2021년까지 국내 한 상급종합병원 소아 응급실을 방문한 18세 미만 환자 8만7759명의 전자의무기록 데이터를 활용해 응급과 비응급으로 분류했다. 응급환자는 검사나 치료(혈액·소변검사, 수액, 흡입치료, 응급약물 투여, 입원 등)가 시행된 경우로, 비응급 환자는 별도 검사 없이 처방 후 귀가한 경우로 구분했다.

이후 한국어 의료 자연어 처리 모델(KM-BERT)에 마스크 언어 모델(MLM) 사전학습 기법을 적용해 딥러닝 기반 예측 모델을 구축했다. 그 결과 해당 모델은 진단 정확도를 나타내는 AUROC 84%, 정밀도를 의미하는 AUPRC 88%를 기록하며 기존 머신러닝 모델 대비 우수한 성능을 보였다.

현재 응급실에서 사용되는 한국형 응급환자 분류도구(KTAS)와 비교한 분석에서도 AI 모델이 더 높은 예측 정확도를 나타냈다.

소아 환자는 감염 질환 영향으로 응급실 방문 빈도가 높고, 증상을 명확히 표현하기 어려워 초기 분류의 중요성이 크다. 연구팀은 AI 기반 조기 분류 시스템이 이러한 한계를 보완해 보다 신속하고 정확한 응급 진료 환경을 구축하는 데 도움이 될 것으로 기대했다.

배우리 교수는 “의료진이 작성한 임상 기록을 AI가 분석해 응급 환자를 보다 정확하게 식별할 수 있음을 확인한 것”이라며 “향후 응급실 현장에서 이러한 기술이 활용된다면 의료 자원의 효율적 배분과 환자 안전 향상에 도움이 될 것으로 기대한다”고 말했다.