대한중환자의학회

뷰노메드 딥카스에 대해 소개 한마디 부탁드린다.

뷰노메드 딥카스는 2022년 선진입 의료기술로 확정돼 국내 의료 AI 업계 최초로 비급여 시장에 진입한 AI 의료기기로 현재 대학병원 및 종합병원 등에서 활용되고 있다. 2020년 9월 식품의약품안전처로부터 제6호 혁신의료기기로 지정됐으며, 대규모 확증임상시험 결과를 바탕으로 2021년 8월 의료기기 허가를 받았다. 뷰노메드 딥카스의 비급여 적용 대상이 2023년 8월 기존 19세 이상 성인 환자에서 19세 미만 소아청소년까지 확대됐다.

처음에는 영상진단 AI를 개발하면서 병원 현장에서 필요한 기술에 대한 필요성을 발견해 연구를 시작했다. 병원의 일반병동은 환자의 활력징후를 하루에 세 번 정도밖에 확인하지 않는다. 간호사나 의사 1명이 담당하는 병동이 훨씬 많고 그만큼 의료 공백이 생긴다. 일반 병동에서 위험 상황이 발생한다는 것을 미리 알면 의료진이 인공지능을 활용해서 환자의 생명을 지킬 수 있고 환자 안전을 강화할 수 있다. 기존에 진단 보조 성격처럼 한 단계 의료의 질을 높일 수 있지 않을까 기대하면서 개발했다. 실제 다양한 임상 현장, 다양한 환자군에서 연구를 진행하고 있다.

중환자의학과 관련한 뷰노메드 딥카드 연구실적이 따로 있나?

지난해 대한중환자의학회가 발행하는 국제학술지 ‘Acute and Critical Care(ACC)’에 게재된 연구 논문에서 뷰노 연구팀은 서울아산병원과 함께 규모와 위치 및 의료환경이 각각 다른 3차 의료기관 5곳에 입원한 소아청소년 환자 데이터를 활용해 다기관 임상 연구를 수행했다. 연구 결과, 해당 제품은 네 종류의 필수 활력징후만으로 병원 내 심정지, 오경보율 등 모든 평가지표에서 환자의 연령이나 성별, 발생 시간 등 별다른 제한 없이 우수한 성능과 범용성을 입증했다.

뷰노는 뷰노메드 딥카스의 임상적 유효성을 최초의 전향적 연구를 통해 입증한 다기관 임상 연구논문이 중환자의학 분야 세계 최고 권위의 학술지인 ‘Critical Care(IF 19.344)’에 게재됐다. 실사용 데이터를 활용한 전향적 연구는 다양한 변수가 존재하는 실제 임상 현장에서 획득한 데이터로 의료진의 신뢰도가 높다. 그간 AI 의료기기에 대한 연구는 대부분 이전 시점의 의료 데이터를 활용한 후향적 연구로 수행됐다.

 뷰노 연구팀은 규모와 위치, 의료환경이 각기 다른 3차 의료기관 4곳의 일반병동에 입원한 환자 데이터를 활용한 다기관(Multicenter) 연구를 수행했다. 참여 의료기관에는 ▲서울대병원 ▲분당서울대병원 ▲인하대병원 ▲동아대병원이 포함됐다. 각 의료기관은 3개월 동안 일반병동에 입원한 총 5만 5,083명의 환자를 대상으로 기존 NEWS(National Early Warning Score) 등 고위험 환자 예측 시스템과 뷰노메드 딥카스의 병원 내 심정지(IHCA), 예기치 않은 중환자실 전실(UIT) 예측 정확도, 오경보율 등 성능을 비교 분석했다.

연구 결과, 뷰노메드 딥카스의 예측 성능은 예측 정확도를 나타내는 성능지표인 AUROC 기준 0.869로, 기존 방법들(NEWS 0.767, MEWS 0.756)에 비해 우수했다. 같은 민감도 대비 1,000병상 당 알람 횟수도 절반 이상 감소했으며, 기존 방법들 대비 고위험 알람이 실제 의료진의 조치로 이어진 비율이 가장 높아 알람의 높은 신뢰도를 입증했다. 또 환자의 연령이나 성별, 발생 시간 등 별다른 제한없이 유효성을 보이는 것으로 나타났다

 추가적으로 연구하고있는 중환자 관련 AI는 무엇인가?

중환자 전문의나 마취통증의학과 전문의들의 설문을 기반으로 앞으로는 심정지 외에 호흡부전 등 다른 결과를 추가한 형태의 새로운 제품도 계획하고 있다. 호흡부전, 패혈증 등과 같이 일반병동에서 보면 좋겠다는 결과값이 있어서 연구하고 있다. 알람이 울린 다음 실제로 의료진이 적절히 대처했을 때 따른 유효성을 입증해내고자 한다. 바이탈 단위의 성능지표보다는 환자 단위로 성능지표로 본다거나, 심장마비가 발생하는 환자들이 가진 지표를 섞어서 별도의 모델을 만드는 성과로 연결 지을 수 있도록 하고자 한다.  

일반적인 AI 기술에 비해 의료 분야에서의 AI 기술이 갖는 특수성은 무엇인가?

의료 분야에서 가장 중요한 것은 임상현장에서 AI가 잘 작동이 되는지에 있다고 본다. 기술의 완성도에 따라 기본적인 활력징후나 심전도 수치가 달라지기도 하는데 임상 해석에도 심각한 영향을 미친다. 그만큼 데이터가 임상에 특화되면서 진단기기나 의료기기의 성능을 일관적으로 맞추게 하는 것이 중요하다. 특히 AI가 단독으로 하는 진단기기가 아니다 보니 임상현장의 프로토콜을 진료 프로세스에 잘 녹아들어가는 것이 중요하다. 

또한 AI가 블랙박스와 같다 보니 진단을 한 다음에도 원인을 정확히 모를 때가 많다. 치료에 대한 AI까지 이어지려면 다각도의 연구가 필요하다. 

의료 분야에서 AI 가 활발히 사용되기 위해 필요한 제도적 개선은 어떤 것이 있나?​

국내 의료 AI 기기들이 의료현장에서 본격 확산되고 해외 시장을 선점하기 위해서는 정부의 지원이 필요하다. 특히 우수한 기술력과 성능에도 불구하고 급여 문제가 해결되지 않으면서 국내에서 제품의 유효성을 입증하는 데 어려움을 겪고 있다. 

우리나라는 땅이 넓지 않고 서울에 우수한 병원들이 몰려 있어 의료기기나 솔루션을 개발하고 검증하기엔 좋은 환경이지만 가장 큰 문제는 급여다. 국내 의료현장에서 제품의 유효성을 입증해야 해외 진출이 수월해질 수 있다. 병원이 제품을 사서 쓸 수 있도록 마중물 역할을 할 수가가 필요하다.

​