환자의 개별적인 통증 정도를 객관적으로 평가할 수 있는 인공지능(AI) 모델이 개발됐다.

서울아산병원 융합의학과 신항식 교수·류가연 연구원, 마취통증의학과 최병문·최재문 교수팀은 머신러닝 알고리즘을 활용해 수술 전후 통증을 객관적으로 분석하는 새로운 평가 모델을 개발했다고 6일 밝혔다.

수술 통증을 정확하게 평가하고 관리하는 것은 환자의 회복 과정과 예후에 큰 영향을 미친다. 그러나 기존의 통증 평가는 환자의 주관적 보고에 의존해야 하므로 객관적인 측정이 어려웠다. 특히, 의식이 없는 환자는 통증을 표현할 수 없어 평가가 더 제한적이었다.

연구팀은 통증이 발생하면 교감신경계 활성화로 인해 심박수 증가, 말초혈관 수축 등 자율신경계의 변화를 유발한다는 점에 착안해 AI 모델을 개발했다.

연구팀은 서울아산병원에서 다양한 수술을 받은 242명의 환자를 대상으로 혈압, 심박수, 광용적맥파(PPG) 신호를 측정했다. 이 과정에서 통증 예측에 중요한 6가지 생체 신호 특징을 선별하여 머신러닝 모델에 적용했으며, 이를 통해 수술 중·수술 후 통증을 정량적으로 평가할 수 있는 AI 모델을 구축했다.

연구 결과, AI 모델은 수술 중 통증 평가에서 기존 모델과 동일한 83%의 정확도를 유지했으며, 수술 후 통증 예측에서는 기존 모델(58%) 대비 크게 향상된 93%의 정확도를 기록했다.

특히, 광용적맥파의 면적 변화, 맥박 간격 변동성, 기저선 변동성 등의 생체 신호가 중요한 통증 예측 인자로 확인되었으며, 기존 모델에서 고려되지 않았던 수축기 상한선 변동성과 맥박 너비도 유의미한 영향을 미치는 것으로 나타났다. 

이번 연구는 디지털 의학 및 혁신적인 의료 기술을 다루는 국제 학술지 ‘NPJ 디지털 메디신(피인용지수 12.4)’에 최근 게재됐다.

신항식 서울아산병원 융합의학과 교수는 “이번 연구를 통해 수술 후 통증 평가를 보다 객관적으로 할 수 있는 가능성을 제시했다”고 말했다.

최병문 서울아산병원 마취통증의학과 교수는 “이번 머신러닝 개발로 진정 상태에 있는 환자나 기관 내 삽관을 받은 환자처럼 의식이 없는 경우에도 객관적으로 통증 정도를 평가할 수 있게 되어, 향후 환자 맞춤형 통증 관리에 중요한 기초 자료가 될 것으로 기대한다”고 밝혔다.