[메디게이트뉴스 박민식 기자] 의료 인공지능(AI) 기업 에이아이트릭스(AITRICS)는 자사 연구진이 개발한 환자 악화 예측 AI 모델 ‘MADE(Masked-Attention-based timestamp-wise Data Embedding)’ 관련 연구 논문이 의료정보학 분야 국제 학술지 JAMIA에 게재됐다고 7일 밝혔다.
 
이번 논문의 제목은 ‘MADE: Leveraging Informative Missingness and Temporal Evaluation for EHR-Based Deterioration Prediction in General Wards’​로, 전자의무기록(EHR) 데이터에서 발생하는 미측정 정보를 활용해 일반병동 환자의 상태 악화를 연속적으로 예측하는 새로운 접근법을 제시했다.
 
EHR 데이터는 환자의 상태와 의료진의 판단 등에 따라 측정되는 항목과 시점이 달라 불규칙하게 수집되는 특성이 있다. 이 과정에서 일부 항목이 측정되지 않는 경우가 발생하며, 기존 EHR 기반 AI 모델에서는 이러한 미측정값을 보완하기 위해 이전에 관측된 값을 활용하거나 통계적 방법으로 값을 대체하는 방식 등이 사용돼 왔다.
 
에이아이트릭스 연구진은 이번 연구에서 데이터가 측정되지 않았다는 사실 자체에도 환자의 상태와 관련된 정보가 포함될 수 있다는 점에 주목했다. 연구진은 마스킹 어텐션 기반 트랜스포머(Transformer)와 양방향 장단기 메모리 네트워크(bi-LSTM)를 활용해 관측값과 미측정 패턴을 함께 분석했다. 이를 통해 각 시점에서 관측된 값뿐만 아니라 어떤 데이터가 측정되지 않았는지에 대한 패턴까지 함께 활용해 환자 악화 위험을 예측하도록 설계했다.
 
MADE의 성능은 신촌 세브란스병원(SVH) 내부 데이터와 서울아산병원(AMC), 한림대학교의료원(HUMC)의 2개 외부 코호트 데이터를 활용해 평가했다. 급성중증이벤트(Major Adverse Event, MAE)와 패혈증(Sepsis)을 대상으로 기존 방식 및 딥러닝 기반 모델과 비교했으며, 미측정값을 별도로 보완하지 않는 방식과 LOCF(Last Observation Carried Forward), MICE(Multiple Imputation by Chained Equations) 등 기존 데이터 보완 방식의 성능도 비교했다.
 
연구진은 이를 통해 EHR 데이터에서 측정되지 않은 정보를 단순히 보완해야 할 데이터로만 보기보다, 환자의 상태와 관련된 잠재적인 정보로 활용할 가능성을 확인했다. 또한 서로 다른 의료기관의 데이터를 활용한 외부 검증을 통해 병원별 데이터 수집 환경과 특성이 다른 상황에서도 MADE의 성능을 평가했다.
 
현재 MADE 모델은 학술 연구에 그치지 않고, 에이아이트릭스의 환자 상태 악화 예측 솔루션인 AITRICS-VC(바이탈케어)​에 적용돼 실제 의료 현장에서 운영되고 있다. 에이아이트릭스는 이번 연구를 통해 실제 의료 환경에서 활용되고 있는 AI 기술의 연구 결과를 국제 학술지에 소개함으로써, EHR 기반 환자 악화 예측 기술에 대한 연구와 임상 적용을 지속적으로 확대해 나갈 계획이다.
 
에이아이트릭스 문예찬 연구원은 “이번 연구는 의료 현장에서 불가피하게 발생하는 EHR 데이터의 미측정 정보를 단순히 보완해야 할 대상으로만 바라보지 않고, 환자의 상태를 이해하기 위한 하나의 정보로 활용할 수 있다는 가능성을 제시했다”며 “앞으로도 실제 임상 환경에서 활용할 수 있는 의료 AI 기술의 연구개발과 검증을 지속해 나가겠다”고 밝혔다.