진료정보 55개로 당뇨 응급 위험 87% 판별

국립보건연구원이 국내 5개 의료기관에서 진료받은 제2형 당뇨병 환자 22만720명의 전자의무기록을 분석해 응급실 방문 위험을 미리 가려내는 머신러닝 모델을 개발했다. 별도의 검사를 추가하지 않고 혈압과 혈당검사 결과, 콩팥 기능, 약물 처방 이력 등 진료 과정에서 확보되는 임상 정보 55개를 활용한 것이 특징이다.

2008년부터 2022년까지 축적된 자료를 분석한 결과, 전체 환자의 22.6%인 4만9770명이 당뇨병 진단 전후 1년 안에 한 차례 이상 응급실을 찾았다. 응급실 방문 환자는 비방문 환자보다 평균 연령이 높고 혈당 조절 상태와 콩팥 기능이 상대적으로 좋지 않았다. 인슐린과 이뇨제 사용 비율은 약 2배였으며 고혈압과 뇌혈관질환 동반 비율도 더 높았다.

여러 인공지능 모델을 비교한 결과 캣부스트가 검증 데이터에서 정확도 87%, AUROC 0.87로 가장 우수한 성능을 냈다. 응급실 방문 환자와 비방문 환자를 구분하는 능력을 뜻하는 AUROC는 기존 로지스틱 회귀모델의 0.73보다 높았다. 예측에 가장 큰 영향을 미친 항목은 이완기 혈압이었고 혈청 크레아티닌과 수축기 혈압이 뒤를 이었다.

당뇨병은 주로 외래에서 관리되지만 심한 저혈당이나 고혈당, 당뇨병성 케톤산증 같은 급성 합병증이 생기면 응급실 방문과 입원, 사망 위험이 커질 수 있다. 연구진은 주요 예측 변수가 약물치료와 생활습관 개선으로 관리 가능한 항목인 만큼 진료 단계에서 고위험 환자를 선별해 선제적으로 개입할 수 있다고 봤다. 향후 1차 의료기관에서도 활용할 수 있는 모델 보급을 추진하며, 연구 결과는 국제학술지 PLOS ONE 7월호에 실렸다.