대한중환자의학회

• August 1, 2024
• DOI : https://doi.org/10.4266/acc.2024.00031
• 
  

이번 뉴스레터에서 귀하의 연구를 소개하게 되어 매우 기쁩니다.
본 연구는 소아 패혈성 쇼크의 조기 진단을 위해 딥러닝을 효과적으로 활용한 점에서 큰 주목을 받고 있습니다.
이를 기반으로 몇 가지 질문을 드리고 싶습니다.

Q) 논문의 간략한 내용과 임상적 의의에 관하여 소개를 부탁드립니다.

A) 이 연구는 기존의 소아 패혈성 쇼크의 복잡한 진단 과정을 보완하여, 의료진이 쉽게 쇼크 여부를 인지하게 하는 목적에서 시작되었습니다. 전자의무기록과 연동되는 API (application programing interface)가 패혈성 쇼크의 확률을 바로바로 알려주면 좋겠다고 생각했고, 그렇게 하기 위해 전자의무기록에서 쉽게 얻을 수 있는 변수들을 이용해서 모델을 개발했습니다.
개발된 모델은 높은 정확도(AUROC 0.927, AUPRC 0.879)를 보여주었으며, 중요한 예측 변수는 연령, 산소 공급, 성별, 이산화탄소 분압이었습니다. 본 연구의 모델이 API로 전자의무기록 시스템에 통합된다면 전자의무기록에 활력징후가 입력되면 그 당시 환자의 패혈성 쇼크의 확률이 얼마인지를 보여줄 수 있게 되어 의료진의 진단 부담을 줄여줄 뿐 아니라 패혈성 쇼크의 진단을 놓치거나 지연되는 것도 예방할 수 있어 시의 적절한 치료가 이루어질 수 있을 것으로 기대됩니다.

Q) 연구에서 사용된 딥러닝 모델이 높은 정확도를 보였지만, 실제 임상에서는 다양한 변수들이 모델의 성능에 영향을 줄 수 있습니다.
예를 들어, 임상 현장에서 데이터의 일관성과 품질 유지가 어려운 경우가 많습니다. 이러한 변수를 어떻게 관리하여 모델을 적용할 수 있을지, 특히 다기관에서의 적용 가능성에 대해 어떻게 생각하시는지 궁금합니다.

A) 임상 현장에서의 데이터의 일관성과 품질 유지는 매우 중요한 이슈입니다. 그리고 그렇기에 본 연구에서 사용한 변수들은 활력징후와 검사 결과 값, 승압제나 산소 사용 여부 등과 같이 단순하고 주관이 개입되기 어려운 객관적인 자료들만을 이용했습니다. 또한 타이핑 오류 등에 대해 이상치를 걸러내는 로직도 갖추고 있습니다.
인공신경망을 이용한 모델을 실제 임상에서 적용하거나 다기관 연구를 수행하려 할때, 개별 환자의 데이터를 사람이 하나씩 넣어서 결과값(패혈성 쇼크인지 여부 또는 확률값)을 얻을 수도 있으나 이는 매우 비효율적입니다. 따라서 입력값들(활력징후 등)이 들어오면 결과값(쇼크 여부 또는 확률)을 출력해주는 API를 이용하는 방법이 필요합니다. 이 API는 별도의 프로그램으로 기능할 수도 있고, 전자의무기록과 연동되어 기능할 수도 있습니다. 다기관 연구를 해야하는 상황이라면 별도의 프로그램으로 개발하는 것이 더 좋을 것 같습니다.
본 연구에서는 단일기관의 자료만을 사용하였기 때문에 외부 검증이 이루어지지 않았는데, 다기관 연구를 할 수 있다면 여러가지 면에서 도움이 될 것으로 생각합니다.

Q) 본 연구는 소아 환자를 대상으로 한 패혈성 쇼크의 조기 진단을 다루고 있는데, 이 모델이 성인 환자에게도 유사한 방식으로 적용 가능할지, 혹은 소아 특유의 생리학적 차이를 고려한 별도의 접근이 필요할지에 대해 의견을 듣고 싶습니다.

A) 성인을 대상으로는 적용을 해보지 않았기 때문에 결과가 어떨지는 저도 궁금합니다. 하지만, 본 추정 모델의 주요한 변수 중 하나가 “연령”이었다는 것에 주목할 필요가 있을 것 같습니다. 소아에서는 활력징후 분포도 연령에 따라 다양하기 때문에 연령이 중요한 역할을 차지했을 것으로 쉽게 짐작이 가능합니다. 그리고 본 연구모델의 연령값은 0세부터 17세까지의 적은 범위로 한정이 되어 있기 때문에 연령의 작은 변화도 상대적으로 크게 작용했을 수 있습니다.
결과적으로 연령의 제한 때문에 본 모델을 성인에게 그대로 적용하는 것에는 한계가 있지만, 성인 연령까지 확대된 데이터셋을 기반으로 학습을 다시 한다면 성인에서의 적용도 충분히 가능할 것으로 생각됩니다.

Q) 딥러닝 모델의 결과 해석은 의료진에게 있어 중요한 부분입니다. 특히 중환자의학 분야에서 임상 의사들이 AI 기반 진단 도구를 실제로 신뢰하고 사용할 수 있게 하기 위한 교육이나 훈련 프로그램이 필요하다고 생각하시나요? 그렇다면 어떤 방식이 효과적일지 궁금합니다.

A) 임상 의사결정을 돕는 AI는 AI의 code나 학습 원리를 모르더라도 쉽게 이해할 수 있고, 적용할 수 있어야 한다고 생각합니다. 그래서 별도의 AI 교육을 받지 않았더라도 사용할 수 있어야 하죠.
하지만, AI에 대한 배경 지식이 없다면 AI의 결과를 믿을 수밖에 없어서 문제가 발생할 수 있다고 생각합니다. AI가 항상 정답만을 알려주지 않을 수 있고, 특정한 상황에서만 적용되는 결과값이라서 보편적으로 확대 해석하는 것이 안되는 경우도 있으니까요.
그래서 AI에 대한 배경 지식을 아는 것은 매우 중요하다고 생각합니다. 그런데 그럼 임상 의사들이 어느 정도 깊이의 AI 지식을 알아야 하는지를 정하는 것이나 효율적인 방식이 무엇인지는 쉽지 않은 문제인 것 같습니다.