[메디게이트뉴스 조운 기자] 혈압과 혈당, 콩팥기능 등 일상적인 진료정보를 이용해 제2형 당뇨병 환자의 응급실 방문 위험을 87%의 정확도로 예측하는 인공지능(AI) 모델이 개발됐다.

질병관리청 국립보건연구원은 국내 5개 의료기관의 제2형 당뇨병 환자 22만720명의 전자의무기록을 활용해 응급실 방문 위험을 사전에 예측하는 머신러닝 모델을 개발했다고 11일 밝혔다.

이번 연구는 국립보건연구원이 2022년부터 구축한 약 190만명 규모의 다기관 당뇨병 빅데이터를 기반으로 수행됐다. 연구 결과는 국제학술지 ‘플로스 원(PLOS ONE)’ 7월호에 게재됐다.

당뇨병은 대부분 외래 진료를 통해 관리할 수 있지만 심한 저혈당이나 고혈당, 당뇨병성 케톤산증 등 급성 합병증이 발생하면 응급실 방문과 입원, 사망으로 이어질 수 있다. 이에 응급실 방문 가능성이 높은 환자를 조기에 선별해 집중적으로 관리할 수 있는 도구가 필요하다는 지적이 제기돼 왔다.

연구진은 2008년부터 2022년까지 5개 의료기관에서 진료받은 제2형 당뇨병 환자 22만720명의 의무기록을 분석했다. 이 가운데 4만9770명(22.6%)이 당뇨병 진단 전후 1년 이내에 한 차례 이상 응급실을 방문했다. 당뇨병 환자 10명 중 약 2명꼴이다.

응급실을 방문한 환자는 방문하지 않은 환자보다 평균 연령이 높고 혈당 조절 상태와 콩팥기능이 상대적으로 좋지 않았다. 인슐린과 이뇨제 사용 비율은 약 2배 높았으며, 고혈압과 뇌혈관질환을 동반한 비율도 더 높았다.

연구진은 의료기관에서 평소 확인하는 혈압과 혈당검사 결과, 콩팥기능, 동반질환, 약물 처방 이력 등 55개 임상정보를 활용했다. 국제 공통데이터모델인 OMOP-CDM으로 각 의료기관의 전자의무기록을 표준화한 뒤 자동화 머신러닝 기법을 이용해 7종의 AI 모델과 기존 로지스틱 회귀모델의 성능을 비교했다.

전체 자료 가운데 80%인 17만6576명은 모델 학습에, 나머지 20%인 4만4144명은 성능 검증에 사용했다.

분석 결과, 여러 AI 모델 가운데 ‘캣부스트(CatBoost)’ 모델의 예측 성능이 가장 우수했다. 검증 데이터에서 응급실 방문 환자와 비방문 환자를 구분하는 성능인 AUROC는 0.87, 정확도는 87.0%, 특이도는 96.6%였다. 기존 통계모델인 로지스틱 회귀분석의 AUROC 0.73보다 높은 수준이다.

응급실 방문을 예측하는 데 가장 큰 영향을 미친 요인은 이완기 혈압이었다. 이어 혈청 크레아티닌과 수축기 혈압, 맥박, 총콜레스테롤 순으로 나타났다. 혈청 크레아티닌은 수치가 높을수록 콩팥기능 저하를 시사하는 지표다.

특히 주요 예측 요인의 상당수가 약물치료와 생활습관 개선으로 관리할 수 있는 위험요인이라는 점이 주목됐다. 진료 단계에서 혈압과 콩팥기능, 혈당 상태를 확인하고 선제적으로 중재하면 응급실 방문과 급성 합병증 발생을 줄일 수 있다는 설명이다.

이번 모델은 진료 과정에서 이미 확보되는 정보를 이용하기 때문에 별도의 추가 검사 없이 고위험 환자를 선별할 수 있다는 장점도 있다. 향후 약물 조정과 집중 관찰, 전문의 의뢰 등 환자별 예방관리에 활용할 수 있을 것으로 기대된다.

다만 실제 임상현장에 적용하려면 다른 의료기관 자료를 이용한 외부 검증과 전향적 검증 연구가 추가로 필요하다.

임주현 국립보건연구원 내분비·신장질환연구과장은 “다기관 당뇨병 빅데이터를 기반으로 실제 진료데이터가 환자의 건강 위험을 예측하고 예방 전략을 마련하는 데 활용될 수 있음을 보여준 사례”라며 “향후 일차의료기관에서도 활용 가능한 예측모델을 보급해 합병증 위험을 조기에 발견하고 예방·관리하는 데 활용할 수 있을 것으로 기대한다”고 밝혔다.

김원호 국립보건연구원 만성질환융복합연구부장은 “응급상황이 발생한 뒤 치료하는 기존 방식에서 벗어나 위험을 사전에 예측하고 관리하는 ‘능동적 예방·관리’ 체계로 전환할 가능성을 제시했다”며 “당뇨병 환자는 생활습관 관리와 정기적인 건강검진을 통해 응급상황을 예방하고 작은 건강 변화도 놓치지 않는 것이 중요하다”고 말했다.