당뇨 응급 위험, 일상 진료정보로 87% 예측

제2형 당뇨병 환자가 급성 합병증으로 응급실을 찾을 위험을 진료 단계에서 가려내는 인공지능 예측 모델이 개발됐다. 혈압과 혈당, 콩팥 기능, 약물 처방 이력처럼 병원에서 일상적으로 수집하는 임상 정보만 활용해 고위험군을 87.0%의 정확도로 선별했다. 응급상황이 발생하기 전에 위험 요인을 집중적으로 관리할 수 있는 기반이 마련된 셈이다.

국립보건연구원은 11일 연구 결과를 공개했으며, 논문은 국제 학술지 ‘플로스 원(PLOS ONE)’ 7월호에 실렸다. 연구에는 2008년부터 2022년까지 국내 5개 의료기관에서 진료받은 제2형 당뇨병 환자 22만720명의 전자의무기록이 사용됐다. 분석 대상 가운데 22.6%인 4만9770명은 당뇨병 진단 전후 1년 안에 한 차례 이상 응급실을 방문했다.

응급실 방문 환자들은 방문하지 않은 환자들보다 평균 연령이 높았고, 공복혈당과 콩팥 기능 지표도 상대적으로 좋지 않았다. 고혈압이나 뇌혈관질환을 함께 앓는 비율이 더 높았으며 인슐린과 이뇨제를 복용한 비율은 약 2배였다. 연구진은 이런 차이를 포함해 평소 진료에서 확인할 수 있는 55개 임상 정보를 학습시킨 뒤 7개 머신러닝 모델의 성능을 비교했다.

비교 결과 ‘캣부스트(CatBoost)’ 모델이 기존 통계 분석 방식의 정확도 73.0%를 14%포인트 웃돌며 가장 높은 성능을 보였다. 예측에 미친 영향은 이완기 혈압, 혈청 크레아티닌, 수축기 혈압 순으로 컸다. 이 지표들은 약물치료와 생활습관 개선을 통해 관리할 수 있어 진료 현장에서 집중적으로 점검하면 급성 악화를 예방하는 데 활용할 수 있다. 국립보건연구원은 향후 1차 의료기관에도 모델을 보급해 사전 위험 예측 중심의 예방 체계로 전환할 계획이다.