웨어러블 장치 이용한 모니터링, 응급환자 상태 악화 조기 발견에 도움

웨어러블 장치를 사용한 지속적인 활력징후 모니터링이 환자의 잠재적인 상태 악화를 인식하는 시간을 단축할 수 있음이 확인됐다.

인공지능(AI) 기술 전문 기업 에이아이트릭스(AITRICS)는 세브란스병원 응급의학과 김지훈, 최아롬 교수 연구팀과 자사 연구팀이 공동 연구한 ‘응급실 내 발열 환자의 패혈성 쇼크 예측을 위한 무선 웨어러블 장치를 이용한 활력징후 모니터링의 장점: 머신러닝 기반 분석(Advantage of Vital Sign Monitoring Using a Wireless Wearable Device for Predicting Septic Shock in Febrile Patients in the Emergency Department: A Machine Learning-Based Analysis)’ 논문이 센서 및 신호 처리 분야에서 저명한 저널인 Sensors에 게재됐다고 18일 밝혔다.

이번 연구는 2020년 7월부터 2021년 6월까지 응급실에 발열 증상으로 내원한 468명의 환자를 대상으로 무선 웨어러블 장치를 부착하고 수집된 데이터를 활용하여 패혈성 쇼크를 조기 예측하기 위한 머신러닝 모델을 개발하고 검증했다. 이를 위해 연구팀은 환자의 입실 시점부터 수집된 데이터를 학습한 모델(Accumulated Model)과 예측 시점에서 가장 가까운 시점에 기록한 데이터를 학습한 모델(Fragmented Model)을 비교함과 동시에, 1시간 간격으로 의료진이 수기로 기록한 데이터(Manual Data)와 무선 웨어러블 장치(Device Data)에서 수집한 데이터를 학습한 결과를 함께 비교했다.

그 결과, 환자의 입실 시점부터 수집된 데이터(Accumulated Model)의 예측정확도(Area Under ROC Curve, AUROC)는 0.861로, 1시간 간격으로 의료진이 수기로 기록한 데이터(Manual Data)의 예측정확도 0.853 대비 우수한 성능을 입증했다. 또한, 환자 입실 시점부터 수집된 데이터를 활용하였을 때 최소 5시간 30분 빠르게 패혈성 쇼크를 예측할 수 있었다.

세브란스병원 응급의학과 김지훈 교수는 “이번 연구는 사물인터넷(IoT) 장비를 통하여 실시간으로 수집한 생체신호를 학습해 패혈성 쇼크를 조기에 예측하는 머신러닝 모델을 개발하고 실제 임상 현장에서 적용할 수 있음을 보였다는 점에서 의미가 크다”며 “이에 더해 사물인터넷 장비 활용은 동시에 많은 환자를 모니터링해야 하는 바쁜 현장에서 의료진의 부담을 덜고, 실시간 상세 정보를 수집함으로써 모델 성능 또한 향상시킬 수 있음을 시사한다”고 말했다.

연구에 참여한 에이아이트릭스 현희정 연구원은 “무선 장치 데이터는 실시간으로 조밀한 간격으로 수집되고 환자 움직임으로 인한 노이즈가 빈번하게 발생할 수 있다는 한계가 있다. 이를 효과적으로 활용하기 위해서는 데이터 전처리부터 기술적으로 고려할 부분이 많았다”라며 “앞으로도 에이아이트릭스는 다양한 연구개발을 통해 의료현장에서의 의료진의 업무 효율성을 높이고, 환자들에게는 보다 나은 의료서비스를 제공할 수 있도록 노력하겠다”고 말했다.