[뉴스 요약]
국내 22만여 명의 전자의무기록(EMR) 빅데이터를 기반으로 제2형 당뇨병 환자의 1년 내 응급실 방문 위험을 87%의 판별력(AUROC 0.87)으로 사전에 가려내는 머신러닝(CatBoost) 모델이 개발되었다.
기존 통계 회귀모형(0.73)을 크게 뛰어넘은 이번 모델은 이완기 혈압, 혈청 크레아티닌, 수축기 혈압 등 일상 진료에서 측정 가능한 가변적 임상 지표가 응급실 방문을 가르는 핵심 징후임을 규명했다.
향후 추가 검사 비용 없이 기존 EMR 데이터를 연동한 일차의료 임상 의사결정 지원 시스템(CDSS)과 조기 약물·생활습관 중재 프로토콜이 확립될 때 당뇨 환자의 급성 대사 합병증과 불필요한 응급실 과밀화를 동시에 차단할 수 있을 것이다.
[메디컬 심층 팩트체크] 당뇨 환자 응급실행, AI가 87% 맞힌다… 22만 명 빅데이터가 입증한 ‘조기 경보’ 지표
- 국제학술지 PLOS ONE 발표… 55개 임상 변수 학습한 캣부스트(CatBoost) 알고리즘의 비약적 판별력
-당화혈색소보다 앞선 ‘혈청 크레아티닌·이완기 혈압’… 신장 기능 저하와 혈관 경직도가 부른 급성 합병증
- 언론사 연합 의학 기자단 분석 “추가 검사 없는 EMR 기반 선별… 일차의료 연계형 사전 예방 체계 구축 시급”
제2형 당뇨병은 만성적인 혈당 상승에 따른 미세혈관 및 대혈관 합병증 외에도 저혈당 쇼크, 당뇨병성 케톤산증(DKA), 고삼투압성 고혈당 상태(HHS) 등 치명적인 급성 대사 이상을 유발하는 대표적인 만성질환이다.
특히 급성 악화로 인한 당뇨 환자의 잦은 응급실(ED) 내원은 환자 개인의 건강 악화와 사망 위험을 높일 뿐 아니라, 국가 응급의료 인프라 과밀화와 건강보험 재정 누수를 초래하는 고질적 요인으로 꼽혀왔다.
이러한 상황에서 국내 다기관에 축적된 22만여 명의 실제 진료 데이터(RWD)를 분석해, 당뇨병 환자가 1년 내 응급실을 찾게 될 확률을 높은 정확도로 사전에 예측하는 인공지능(AI) 알고리즘이 개발되어 국제 의과학계의 이목을 집중시키고 있다.
본지 메디컬라이프(Medical Life)와 언론사 연합 의학 기자단이 의학 분야 국제학술지 플로스 원(PLOS ONE) 최신호에 공식 게재된 다기관 연구 논문을 심층 분석한 바에 따르면, 연구진은 국내 5개 상급 의료기관에 등록된 제2형 당뇨병 환자 22만 720명의 진료 정보를 전수 분석했다.
전체 코호트 중 진단 전후 1년 이내에 최소 한 차례 이상 응급실을 방문한 환자는 4만 9,770명으로 전체의 22.6%에 달했다. 역학적 특성 비교 결과, 응급실 방문군은 비방문군에 비해 고령층 비율이 월등히 높았으며 혈당 조절 실패 및 신장 기능 저하가 뚜렷하게 관찰되었다. 특히 인슐린과 이뇨제 처방률이 비방문군 대비 약 2배에 달했고 고혈압 및 뇌혈관 질환 동반율 역시 유의미하게 높았다.
연구진은 환자의 활력 징후, 혈액 및 요검사 수치, 과거 동반 상병, 약물 처방 내역 등 총 55개의 정형 임상 데이터를 추출하여 7종의 최신 머신러닝 알고리즘과 전통적 역학 통계 방식인 로지스틱 회귀분석(Logistic Regression)의 예측 성능을 정밀 비교했다.
전체 데이터를 학습용(80%)과 독립 검증용(20%)으로 분할하여 평가한 결과, 범주형 데이터 처리에 특화된 '캣부스트(CatBoost)' 알고리즘이 가장 탁월한 성능을 기록했다. 검증 데이터셋에서 캣부스트 모델의 수신자 조작 특성 곡선 아래 면적(AUROC, 모델의 변별력을 나타내는 지표)은 0.87을 기록해, 기존 임상에서 널리 쓰이던 로지스틱 회귀모델(0.73)을 압도적인 격차로 제쳤다. 특히 특이도(Specificity)는 96.6%에 달해, 응급실 방문 위험이 없는 일반 환자를 오경보 없이 안정적으로 걸러내는 성능을 입증했다.
이번 연구 결과에서 의과학적으로 가장 주목할 대목은 AI가 응급실 방문을 예측하는 핵심 기여 변수로 지목한 항목들의 병태생리학적 서열이다.
통상 당뇨 환자의 장기 합병증을 평가할 때 가장 중시되는 당화혈색소(HbA1c)보다 '이완기 혈압', '혈청 크레아티닌', '수축기 혈압'이 상위 1~3위 예측 인자로 도출되었다. 이는 만성적인 고혈당 상태 자체보다 급성으로 발생하는 혈역학적 불안정성과 신장 여과 기능의 붕괴가 환자를 응급실로 내몰게 만드는 결정적 방아쇠임을 실증한 결과다.
이러한 지표는 글로벌 학술 생태계의 선행 연구들과도 일치한다. 세계 최고 권위의 디지털 헬스케어 학술지인 란셋 디지털 헬스(The Lancet Digital Health) 및 미국당뇨병학회(ADA) 공식 학술지 당뇨병 관리(Diabetes Care)에 보고된 대규모 코호트 연구들에 따르면, 당뇨병 환자에게 동반되는 혈청 크레아티닌 상승은 단순한 신장 손상을 넘어 약제 청소율 저하를 대변한다.
사구체여과율이 저하된 환자가 혈당강하제나 인슐린을 지속 투여할 경우 약물이 체내에 과도하게 축적되면서 치명적인 저혈당성 혼수(Hypoglycemic Coma)로 이어져 응급실로 후송될 확률이 비약적으로 증가한다.
또한 이완기 및 수축기 혈압의 변동성은 자율신경병증으로 인한 혈관 순환 조절 기전의 장애와 전신 동맥 경직도를 반영하여, 급성 관상동맥 증후군이나 뇌졸중 등 심뇌혈관 응급 사건의 발생을 촉진하는 주요 인자로 작용한다.
동시에 이번 AI 예측 모델의 실질적인 혁신성은 '추가 비용 없는 기존 데이터의 재활용'에 있다. 유전자 분석이나 고가의 특수 바이오마커를 요구하지 않고, 정기 외래 진료 과정에서 필수적으로 수집되는 기본 전자의무기록(EMR) 지표만으로 위험군을 정확히 선별해 낼 수 있기 때문이다.
이완기 혈압과 크레아티닌 수치는 약제 조정, 엄격한 염분 제한, 신기능 보호 약제(SGLT-2 억제제 등) 처방, 생활습관 교정을 통해 즉각적인 개입이 가능한 '수정 가능한 위험 요인'이라는 점에서 임상적 효용성이 극대화된다.
언론사 연합 의학 기자단은 "이번 연구는 인공지능이 복잡한 정형 임상 데이터를 해석하여 환자가 위급 상황에 빠지기 전에 사전 경고를 보낼 수 있음을 입증한 중대한 성과"라면서도, "단일 시스템 기반의 후향적 코호트 분석이라는 한계를 넘어 일차의료기관과 지역 거점 병원 등 이종 의료 환경에서도 동일한 예측력이 유지되는지 확인하는 다기관 전향적 외부 검증이 반드시 수반되어야 한다"라고 팩트체크했다.
이어 "향후 이 모델이 일차의료 만성질환 관리 플랫폼과 EMR 기반 임상 의사결정 지원 시스템(CDSS)에 연동된다면, 진료 의사가 고위험군을 즉각 식별하여 인슐린 용량 재조정, 집중 모니터링, 신장내과 조기 협진 등 선제적 조치를 취함으로써 응급실 방문과 급성 합병증을 획기적으로 줄일 수 있을 것"이라고 제언했다.
보건 의료 전문 언론사 메디컬라이프(Medical Life)는 인공지능 알고리즘이 보건의료 현장의 미충족 수요를 해결하고 예방 의학의 수준을 한 단계 끌어올리는 글로벌 의과학 연구 성과를 면밀히 추적 감시하며, 국민의 건강권 수호와 보건의료 체계의 효율화를 위한 심층 팩트체크 보도를 지속할 예정이다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
