진료정보 55개로 당뇨 응급실 위험 87% 예측

국립보건연구원과 경희대학교 이상열 교수 연구팀이 제2형 당뇨병 환자의 응급실 방문 위험을 가려내는 인공지능 모델을 개발했다. 국내 5개 의료기관에서 2008년부터 2022년까지 진료받은 환자 22만720명의 전자의무기록을 분석한 결과, 성능이 가장 우수한 캣부스트 모델의 예측 정확도는 87.0%로 나타났다. 연구 결과는 국제학술지 ‘PLOS ONE’ 7월호에 실렸다.

분석 대상 가운데 4만9770명인 22.6%가 당뇨병 진단 전후 1년 안에 한 차례 이상 응급실을 방문했다. 이들은 비방문 환자보다 평균 연령이 높고 혈당 조절과 콩팥 기능이 상대적으로 좋지 않았다. 인슐린과 이뇨제 사용 비율은 약 2배였으며, 고혈압이나 뇌혈관질환을 함께 앓는 비율도 높았다. 응급실 방문은 심한 저혈당·고혈당과 당뇨병성 케톤산증 같은 급성 합병증에 따른 입원 및 사망 위험과 맞물려 있다.

연구진은 2022년부터 구축한 약 190만명 규모의 다기관 당뇨병 빅데이터를 토대로 혈압, 혈당검사 결과, 콩팥 기능, 약물 처방 이력 등 일상적인 진료에서 확인하는 임상정보 55개를 활용했다. 모두 7종의 머신러닝 모델을 만들어 기존 로지스틱 회귀분석과 비교한 결과, 캣부스트가 고위험군과 저위험군을 가장 뚜렷하게 구분했다. 비방문 환자를 정확히 식별하는 특이도는 96.6%, 환자군 구분 성능을 나타내는 AUROC는 0.87로 기존 방식의 0.73을 웃돌았다.

예측에 가장 큰 영향을 준 정보는 이완기 혈압이었고 혈청 크레아티닌과 수축기 혈압이 뒤를 이었다. 주요 위험 요인은 약물치료와 생활습관 개선으로 관리할 수 있어 진료 단계에서 고위험 환자를 선별하면 응급실 방문과 급성 합병증을 줄이는 데 활용할 수 있다. 별도 검사를 추가하지 않고 기존 진료정보만 이용한다는 점도 특징이다. 다만 의료현장에 적용하려면 다른 기관의 데이터를 활용한 외부 검증과 전향적 연구가 더 필요하며, 연구진은 향후 1차 의료기관에서 쓸 수 있는 모델 보급을 추진할 계획이다.