의과대학 연구팀, 심방세동 발생 예측하는 딥러닝 모델 개발 N
- 작성처
- 등록일2026.07.31
- 128
AI 지원 시 진단 정확도와 위험도 변별력 대폭 향상 확인
연구 결과, 국제 융합의학 최고 권위지 <npj Digital Medicine> 게재
본교 교수진이 증상이 없는 상태에서도 앞으로 발생할 심방세동 위험을 예측하고, 실제 의료진의 임상적 의사결정에 긍정적인 도움을 줄 수 있는 딥러닝 모델을 개발했다. 딥러닝 모델 임상 활용 가능성을 입증한 논문 「Impact of an AI algorithm for multi-day prediction of incident atrial fibrillation on clinical decisionmaking: PROVISION-AF study」는 국제 융합의학 전문 학술지인 <npj Digital Medicine(IF 18.0)>에 게재됐다.
의학과 박준범·신태영 교수(교신저자), 이대서울병원 김예지 교수(제1저자)
심방세동은 뇌졸중, 심부전, 사망률을 높이는 가장 흔한 부정맥 중 하나이나, 증상이 없거나 간헐적으로 발생해 심각한 합병증이 생기기 전까지 진단이 어려운 경우가 많다. 이에 연구팀은 평소 별다른 이상 증상이 없는 일반 심전도 검사 결과만으로도, 앞으로 3일에서 한 달 사이에 심방세동이 발생할 위험을 미리 예측할 수 있는 인공지능(AI) 모델을 개발했다.
연구팀은 이화의료원 데이터를 비롯해 미국 베스이스라엘 디코네스 의료센터(BIDMC)의 대규모 외부 데이터, 국내 7개 대학병원이 참여한 전향적 ‘PROVISION-AF 코호트’ 등 총 11만 명이 넘는 환자 데이터를 기반으로 모델을 다각도로 검증했다. 특히 3단계에 걸친 체계적인 인공지능 학습 방식을 적용해 예측의 정확도와 신뢰도를 크게 높였다. 그 결과, 소형 심장 기록기인 홀터 검사를 활용한 예측 정확도 지표(AUROC)가 병원 자체 검증에서 0.87, 다른 병원들의 실제 환자들을 대상으로 한 외부 검증에서 0.75를 기록하며 뛰어난 성능을 증명했다.
이에 더해 연구팀은 AI 예측 정보가 실제 임상 의사결정에 미치는 영향을 평가하기 위해 한국, 미국 등 다국적 의사 70명을 대상으로 구조화된 시뮬레이션 설문 연구를 진행했다.
AI 위험 예측 정보를 활용한 의료진의 심방세동 진단 및 환자 관리 성능 개선 결과
(A) AI 적용 전후 의사의 진단 성능 향상 (B) AI가 불필요한 AF 고위험 판정을 줄여 진단 정확도를 높인 결과 (C) AI 지원으로 환자 추적관찰 전략과 진단 정확도가 개선된 결과
연구 결과, AI가 제공하는 위험도 예측 정보를 함께 활용했을 때 의사들의 심방세동 위험 변별력(AUROC)이 기존 0.573에서 0.650으로 유의미하게 향상됐으며, 음성예측도(NPV) 역시 0.764에서 0.839로 높아졌다. 특히 정상 환자를 정확하게 판별해 내는 능력(재분류 개선 지표, NRI 0.127)이 크게 개선돼, 불필요한 과잉 모니터링을 줄이고 의료 자원을 효율적으로 배분하는 데 기여할 수 있는 것으로 나타났다. 이러한 성능 향상은 전문과와 경력에 상관없이 관찰되었으며, 특히 일반 심장내과 전문의들에게서 가장 두드러진 개선 효과가 확인됐다.
박준범 교수는 “이번 연구는 AI-심전도 모델이 순수 예측을 넘어 실제 임상 현장에서 의료진의 진단 정확도를 보완하고 환자 관리 전략을 정교하게 만드는 실질적인 디지털 의사결정 지원 도구로서 가능성을 확인했다는 데 의의가 있다”라며, “향후 실제 임상 현장에서의 환자 예후 개선 및 의료 효율성 증대로 이어지는지 후속 연구를 이어갈 것”이라고 밝혔다.
이전글
다음글