의료 인공지능(AI) 기업 에이아이트릭스(AITRICS, 대표 김광준) 연구진이 개발한 환자 악화 예측 AI 모델 ‘MADE(Masked-Attention-based timestamp-wise Data Embedding)’ 관련 연구 논문이 의료정보학 분야 국제 학술지 JAMIA(Journal of the American Medical Informatics Association)에 게재됐다.
이번 논문은 전자의무기록(EHR) 데이터에서 발생하는 미측정 정보를 활용해 일반병동 환자의 상태 악화를 연속적으로 예측하는 새로운 접근법을 다뤘다.
EHR 데이터는 환자의 상태와 의료진의 판단에 따라 측정 항목과 시점이 달라 불규칙하게 수집되는 특성이 있다. 기존 EHR 기반 AI 모델은 미측정값을 보완하기 위해 이전 관측값을 대입하거나 통계적 수치로 대체해 왔으나, 이 방식은 데이터의 미측정이 가지는 임상적 맥락을 반영하기 어렵다는 한계가 존재했다.
에이아이트릭스 연구진은 데이터가 측정되지 않았다는 사실 자체에도 환자의 상태와 관련된 유의미한 정보가 포함되어 있다는 점에 착안했다. 마스킹 어텐션 기반 트랜스포머(Transformer)와 양방향 장단기 메모리 네트워크(bi-LSTM)를 결합해 관측값과 미측정 패턴을 동시에 분석하도록 설계했다. 관측된 수치뿐만 아니라 측정 불확실성 패턴까지 결합해 환자의 악화 위험을 예측하는 구조다.
MADE의 성능은 신촌 세브란스병원 내부 데이터와 서울아산병원, 한림대학교의료원의 외부 코호트 데이터를 활용해 검증했다. 급성중증이벤트(MAE)와 패혈증(Sepsis)을 대상으로 기존 딥러닝 모델 및 데이터 보완 방식을 비교한 결과, 미측정 정보를 잠재적 유용한 정보로 활용함으로써 병원별 데이터 수집 환경이 다른 상황에서도 안정적인 예측 성능을 보였다.
현재 MADE 기술은 에이아이트릭스의 환자 상태 악화 예측 솔루션인 ‘AITRICS-VC(바이탈케어)’에 적용되어 실제 임상 현장에서 운영되고 있다. 에이아이트릭스는 실제 의료 현장에서 검증된 AI 기술 연구 결과를 바탕으로 EHR 기반 환자 상태 예측 기술의 임상 적용을 지속적으로 확대할 계획이다.
문예찬 에이아이트릭스 연구원은 “이번 연구는 의료 현장에서 불가피하게 발생하는 EHR 데이터의 미측정 정보를 단순한 데이터 결손이 아닌, 환자 상태를 이해하기 위한 하나의 정보로 재해석했다는 데 의의가 있다”며 “앞으로도 실제 임상 환경에서 실질적인 도움이 되는 의료 AI 기술을 연구개발해 나가겠다”고 말했다.
이미지 제공: 에이아이트릭스
