인공지능(AI)을 활용해 제2형 당뇨병 환자의 응급실 방문 위험을 미리 예측할 수 있는 모델이 개발됐다. 국내 5개 의료기관 환자 22만여 명의 실제 진료데이터를 분석한 결과, 예측 정확도는 87%로 기존 통계모델보다 높았다.
질병관리청 국립보건연구원은 경희대학교 이상열 교수 연구팀과 함께 제2형 당뇨병 환자의 전자의무기록을 활용해 응급실 방문 위험을 예측하는 머신러닝 모델을 개발했다고 11일 밝혔다. 연구 결과는 국제학술지 'PLOS ONE' 7월호에 게재됐다.
연구진은 2008년부터 2022년까지 국내 5개 의료기관에서 진료받은 제2형 당뇨병 환자 22만 720명의 의무기록을 분석했다. 이 가운데 4만 9770명(22.6%)이 당뇨병 진단 전후 1년 이내에 한 차례 이상 응급실을 방문한 것으로 나타났다.
응급실을 방문한 환자는 그렇지 않은 환자보다 평균 연령이 높았고 혈당 조절과 콩팥 기능도 상대적으로 좋지 않았다. 인슐린과 이뇨제를 사용하는 비율은 약 2배 높았으며, 고혈압이나 뇌혈관질환을 함께 앓는 경우도 더 많았다.
연구진은 혈압과 혈당검사 결과, 콩팥 기능, 약물 처방 이력 등 진료 과정에서 통상 확인하는 55개 정보를 활용해 7종의 머신러닝 모델을 개발했다. 이를 기존 통계모형인 로지스틱 회귀분석과 비교한 결과 '캣부스트(CatBoost)' 모델의 예측력이 가장 높았다.
캣부스트 모델의 응급실 방문 예측 정확도는 87.0%였고, 응급실을 방문하지 않을 환자를 정확하게 가려내는 특이도는 96.6%였다. 환자와 비환자를 얼마나 잘 구분하는지를 보여주는 AUROC는 0.87로, 기존 로지스틱 회귀분석의 0.73보다 높았다.
응급실 방문 위험을 예측하는 데 가장 중요한 요인은 이완기 혈압이었다. 이어 콩팥 기능을 나타내는 혈청 크레아티닌, 수축기 혈압 순으로 영향이 컸다. 대부분 약물치료나 생활습관 개선을 통해 관리할 수 있는 요인으로, 연구진은 진료 단계에서 위험요인을 미리 파악하고 관리하면 응급실 방문이나 급성 합병증 발생을 줄이는 데 도움이 될 수 있다고 설명했다.
특히 이번 모델은 별도의 추가 검사 없이 기존 진료 과정에서 확보되는 정보만으로 고위험 환자를 선별할 수 있다는 점이 특징이다. 다만 실제 의료현장에 적용하기 위해서는 다른 의료기관 데이터를 이용한 외부 검증과 전향적 검증 연구가 추가로 필요하다.
국립보건연구원 임주현 내분비신장질환연구과장은 "향후 1차 의료기관에서도 활용 가능한 예측모델을 보급함으로써 합병증 위험을 조기 발견하고 예방·관리하는 데 활용될 수 있을 것으로 기대한다"고 밝혔다.