응급실 실려온 환자-의료진 대화 분석해 AI가 중증도 판정한다 - 팍스메디컬뉴스

[팍스메디컬뉴스] 응급실 환자와 의료진의 실제 대화를 학습해 환자 중증도를 분류하는 인공지능(AI) 모델이 나왔다. 고려대 안산병원 응급의학과 이수교 교수와 고려대의대 통일한국보건의학연구소 정수민 교수 연구팀은 이 같은 연구 결과를 의료정보학 분야 국제학술지 Journal of the American Medical Informatics Association에 발표했다. 연구팀은 실제 응급실에서 이뤄진 의료진과 환자의 대화를 기반으로 AI 모델을 구축하고 성능을 비교 평가했다. 그 결과 ChatGPT와 ClinicalBERT보다 높은 정확도를 보였다고 밝혔다. 응급실에서는 환자 상태를 신속히 평가해 치료 우선순위를 정하는 중증도 분류가 핵심 절차다. 국내에서는 한국형 응급환자 분류도구(KTAS)를 사용한다. 심정지나 의식 변화, 심각한 호흡곤란, 쇼크 징후 등 생명을 위협하는 환자는 KTAS 1~2단계로 분류돼 면담 절차 없이 즉시 소생술과 응급 처치를 받는다. 반면 즉각적인 생명 위협은 없지만 의료적 처치가 필요한 KTAS 3단계 환자와 비교적 경증인 KTAS 4~5단계 환자를 가려내는 과정은 쉽지 않다. 검사 수치나 명확한 증상보다 환자와 의료진의 문진 내용, 증상의 경과, 통증 양상 등 임상적 판단에 의존하는 경우가 많기 때문이다. 연구팀은 실제 임상 환경을 반영하기 위해 국내 3개 상급종합병원 응급실에서 수집한 5244건의 임상 대화 데이터를 분석에 활용했다. 이 가운데 중증도 분류 단계 대화 1057건을 선별해 AI 모델 학습과 성능 검증에 사용했다. 분석 결과 연구팀이 개발한 응급실 대화 기반 중증도 분류 AI 모델의 정확도는 75.94%로 나타났다. 이는 ChatGPT(56.68%)와 ClinicalBERT(69.42%)보다 높은 수준이다. 특히 긴급 환자를 놓치지 않고 식별하는 능력을 의미하는 재현율은 0.9610으로 ChatGPT(0.5352)보다 크게 높았다. 실제 긴급 환자 가운데 약 96% 이상을 정확히 찾아낸 셈이다. 이수교 교수는 “이번 연구는 응급실에서 오가는 실제 대화를 별도의 요약이나 가공 없이 학습해 환자의 긴급도를 파악할 수 있도록 한 모델”이라며 “응급실 현장에서 임상 의사결정을 지원하는 도구로 활용 가능성을 기대한다”고 말했다. 정수민 교수는 “특정 임상 상황에 맞는 데이터를 활용하면 범용 AI보다 높은 성능을 보일 수 있다”며 “실제 응급실 대화를 기반으로 학습한 모델이 응급 환자 분류에서 더 높은 정확도를 보일 수 있음을 확인했다”고 설명했다.