패혈증, 중환자실(ICU) 환자의 가장 치명적인 위협으로 입원 사망률 최대 50%  

신속한 진단과 조기 개입이 필수적 요소로 부각 

트랜스포머 기반 AI로 패혈증 예측 정밀도 대폭 향상  

시계열 분석을 활용해 시간 단위 임상 데이터를 학습, 의료진의 효율적 대응 가능  

메디칼타임즈 이인복 기자  

중환자실에 입원한 환자가 패혈증에 걸릴 가능성을 92%의 높은 정확도로 예측하는 인공지능(AI) 모델이 등장하며 의료계의 주목을 받고 있다. 이번 모델은 트랜스포머(Transformer) 기반 시계열 프레임워크를 활용하여 기존의 AI 예측 모델보다 성능이 크게 향상된 것이 특징이다. 전문가들은 이 기술이 패혈증뿐 아니라 향후 다른 질환 예측에도 응용될 가능성을 높게 평가하고 있다.

18일 국제학술지 *정밀임상의학*(Precision Clinical Medicine)에 발표된 연구에 따르면, 중국 스촨의과대학 바이롱 센(Bairong Shen) 교수가 이끄는 다국적 연구팀은 중환자실에서 패혈증 발생 가능성을 예측하는 AI 모델 개발에 성공했다(10.1093/pcmedi/pbaf003 참조). 

패혈증은 중환자실 입원 환자들의 주된 사망 원인 중 하나로 꼽히며, 발생 시 생존율이 급격히 낮아지는 위험 요소다. 따라서 의료진의 조기 개입이 매우 중요하지만, 현재 사용되는 예측 도구들은 전적으로 건강평가 점수(APACHE-II 등)를 임상의가 수작업으로 작성해 분석해야 하는 한계를 가지고 있었다. 

이에 따라 연구팀은 트랜스포머 기반 AI 모델을 활용해 시간에 따른 임상 데이터 변화를 분석, 예측의 정확도를 크게 높였다. 2014~2015년 동안 미국 내 208개 병원 중환자실 입원 환자 약 20만 명의 데이터를 이번 연구 모델에 적용하여 연대기적으로 학습시키는 방식을 채택했으며, 이후 1만 3610명의 환자 데이터를 활용해 2단계 트랜스포머 네트워크를 완성했다.

그 결과, 해당 AI 모델은 입원 첫날부터 AUROC(수신자 조작 특성 곡선) 0.87을 기록하며 기존의 기술적 한계를 뛰어넘었다. 이 점수는 시간 경과에 따라 상승해 입원 4일 차 이후부터는 0.92로 유지되며, 패혈증 발생 가능성을 매우 높은 신뢰도로 예측할 수 있음을 입증했다.

또한 미국 외 지역에서도 검증을 진행하여, 중국 내 3차 병원의 417명 환자 데이터를 활용한 추가 실험에서 81.8%의 정확도를 보였다. 이는 인종 및 지역적 제한 없이 해당 AI 모델이 높은 수준의 성능을 발휘한다는 것을 의미한다.

바이롱 센 교수는 "트랜스포머 기반 시계열 분석 기술이 기존 머신러닝 기반 AI를 능가하는 성능을 제공한다는 점이 확인됐다"며 "다양한 국가와 인종을 대상으로 한 검증을 통해 해당 모델의 범용성을 확보했다"고 밝혔다. 또한 그는 "해당 기술은 환자의 생리적 패턴을 정교하게 반영함으로써 임상의들이 최적의 시기에 개입할 수 있는 강력한 도구가 될 것"이라며, 실질적인 의료 현장에서의 활용 가능성을 강조했다.

이번 연구로 탄생한 AI 모델은 패혈증 예측을 넘어 혁신적인 데이터 기반 의료 솔루션 개발의 중요성과 가능성을 제시하며, 앞으로 환자 중심의 맞춤형 치료 영역에도 큰 영향을 미칠 것으로 보인다.