에이아이트릭스, 미측정 데이터 활용한 환자 악화 예측 AI 연구 JAMIA 게재

전자의무기록(EHR) 데이터는 환자 상태나 의료진 판단에 따라 측정 항목과 시점이 달라 일부 값이 측정되지 않는 경우가 발생한다. 기존 AI 모델들은 이런 미측정값을 이전 관측값이나 통계적 방법으로 대체해왔으나, 에이아이트릭스 연구진은 '측정되지 않았다는 사실' 자체도 환자 상태와 관련된 정보가 될 수 있다고 보고 새로운 모델을 개발했다. 연구진이 제시한 'MADE' 모델은 마스킹 어텐션 기반 트랜스포머와 양방향 LSTM을 결합해 관측값과 미측정 패턴을 함께 분석하도록 설계됐다. 모델 개발에는 2012~2021년 신촌 세브란스병원 입원 성인 환자 데이터가 사용됐으며, 서울아산병원과 한림대학교의료원 데이터로 외부 검증을 진행했다. 급성중증이벤트(MAE)와 패혈증 예측에서 LOCF, MICE 등 기존 데이터 보완 방식 및 딥러닝 기반 모델과 비교 평가가 이뤄졌다. 외부 검증 결과 MADE는 두 예측 과제에서 비교 모델보다 전반적으로 높은 성능을 보인 것으로 보고됐다. 이 연구 결과는 의료정보학 국제 학술지 JAMIA에 게재됐으며, 해당 모델은 현재 에이아이트릭스의 환자 악화 예측 솔루션 'AITRICS-VC'에 적용돼 의료 현장에서 운영되고 있다. 회사는 향후 EHR 기반 환자 악화 예측 기술 연구와 임상 적용을 확대할 계획이라고 밝혔다.

미측정 데이터 패턴을 환자 상태 정보로 활용하는 AI 모델 'MADE' 개발
신촌 세브란스병원 데이터로 모델 개발, 서울아산병원·한림대의료원으로 외부 검증
급성중증이벤트·패혈증 예측에서 기존 보완 방식 대비 높은 성능 보고
연구 결과는 국제 학술지 JAMIA에 게재
해당 모델은 실제 의료 현장 솔루션 'AITRICS-VC'에 적용돼 운영 중

BioPulse 해설

원문에 없는 배경 설명입니다 · AI 작성 · 기사의 사실관계가 아닙니다

의료정보학: 임상 데이터와 정보기술을 결합해 진단·치료·병원 운영을 개선하는 연구 분야이다.
환자 악화 예측 AI: 생체신호, 검사결과 등 환자 데이터를 분석해 상태 급변 가능성을 사전에 예측하는 인공지능 모델이다.
미측정 정보(informative missingness): 특정 검사나 측정이 수행되지 않았다는 사실 자체가 임상적으로 의미를 가질 수 있다는 개념이다.
어텐션(attention) 메커니즘: 딥러닝 모델이 입력 데이터 중 중요한 부분에 더 큰 가중치를 부여해 학습하도록 돕는 기법이다.

병원에서는 환자의 상태가 급격히 나빠지기 전 조기에 이를 감지해 대응하는 것이 중요한 과제로 다뤄진다. 이를 위해 생체신호나 검사 데이터를 활용한 예측 모델 연구가 활발히 이뤄지고 있으며, 실제 임상 데이터는 모든 환자에게 동일한 검사가 같은 시점에 이뤄지지 않아 결측값이 많다는 특성을 갖는다. 이 결측 자체를 잡음이 아니라 의료진의 판단이 반영된 신호로 해석해 모델 성능을 높이려는 연구 흐름이 존재한다. 이러한 연구 성과는 국제 학술지 심사를 통해 학계에서 검증받는 절차를 거친다.

Why it matters임상 데이터의 결측 패턴을 예측 모델에 활용하는 접근은 의료 AI의 정확도를 높이는 방법론적 시도로 주목받는 분야이다.

원문을 확인하세요

BioPulse는 원문을 저장하거나 전재하지 않습니다. 위 글은 공개된 보도를 요약한 것이며, 수치·일정·인용은 요약 과정에서 빠지거나 달라질 수 있습니다. 판단이 필요한 사안은 반드시 원문에서 확인하세요.

메디파나 원문 보기

원문 보도의 저작권은 메디파나에 있습니다.