국내 연구진이 코로나19 환자의 개별적 임상 상태에 따라 최대질병 중증도(질병이 가장 악화했을 때의 상태)를 예측하는 시스템을 개발했다. 신규확진자 발생시 자가격리(재택치료) 또는 병원이송 필요성을 선별 분류할 수 있어 중증환자의 사망률을 최소화할 수 있게 됐다.
5일 연세대 강남세브란스병원 비뇨의학과 구교철‧이광석 교수와 KAIST 경영대학 안재현 교수팀이 역치 최적화 시뮬레이션 기법을 이용한 코로나19 환자의 최적 중등도 분류시스템에 관한 연구 결과를 발표했다. 신규확진자 유입량 대비 가용한 병상수에 따라, 반드시 중환자실이 필요한 환자에게 제한된 의료자원을 효율적으로 배분하는 시스템이다.
이번 연구는 범부처 의료기기개발 국책사업 '공기매매-감염병 의증환자의 조기 선별진단과 확산 방지를 위한 스마트 알고리즘 개발 및 이동식 격리 연계시스템 개발' 과제로 진행됐다.
연구팀은 국내 코로나19 발생 시점부터 지난해 4월까지 확진 판정된 코로나19 환자 5601명을 대상으로 입원 중 최대 임상 중증도를 분석했다. 질병관리본부(KDCA)의 코로나19 확진자 임상자료(환자 당 37개의 임상 및 검사결과 변수)를 활용했다.
연구팀은 AI 머신러닝 기술인 XGBoost(Extreme Gradient Boosting) 기계학습법 및 로지스틱 회귀 분석 교차 검증을 통해 예측 모델을 구현했다.
그 결과 중환자실 치료가 필요한 정도(기관 삽관, 에크모 적용, 사망)의 중증질환으로 이환될 확률을 96.5%의 정확도로 예측할 수 있었다. 이는 기존 해외 연구의 결과의 정확도(77~91%)에 비해 높은 수준이다.
또한 연구팀은 코로나19 검사장비가 제한된 의료환경이나 자가진단시 사용할 수 있도록 혈액검사 등 변수들을 제외한 모델(variable restricted models)도 개발했다. 제한된 모델의 예측 정확도 역시 96.3%로 높은 수준을 나타냈다.
XGBoost 활용 코로나19 최대질병중증도 예측 시스템.
연구팀은 예측 모델을 통해 최적역치-조정 시스템도 설계했다. 이는 신규확진자 유입 대비, 중증으로 이환돼 사망할 환자 수를 최소화하는 시스템이다. 가상의 확진자 유입량에 따른 시뮬레이션 결과, 사망률을 최대 18%까지 낮출 수 있는 것으로 확인했다.
연구를 주도한 구교철 교수는 "이번 연구로 신규확진자 유입량 대비 가용한 의료자원(중환자실)에 따라 중증도 예측확률 역치를 조절함으로써 COVID-19 사망률을 낮출 수 있다"며 "중환자실 치료가 반드시 필요한 환자들에게 병상이 배정되도록 하고, 가용한 의료자원의 효율적인 배분이 가능해 위드 코로나 시대의 활용도가 높을 것"이라고 말했다.
한편 이번 연구 결과는 국제학술지인 ‘JMIR Medical Informatics’에 'Optimal triage for COVID-19 patients under limited healthcare resources: Development of a parsimonious machine learning prediction model and threshold optimization using discrete-event simulation(역치 최적화 및 분리-이벤트 시뮬레이션 기법을 이용한 COVID-19 환자의 최적 중등도 분류시스템 개발)'이라는 제목으로 최근 게재됐다.
댓글보기(0)