빅데이터 기반 '돌연사 원인' 급성 관상동맥 증후군 예측 모델 개발

을지대 을지병원 심장내과 박지영 교수팀이 돌연사의 주요 원인으로 꼽히는 급성 관상동맥 증후군을 빅데이터를 기반으로 환자의 응급실과 외래 진료기록만으로도 예측할 수 있는 모델을 개발했다.

이는 신속한 진단과 치료가 관건인 급성 질병을 보다 정확하게 예측해 오진을 방지하고 결과적으로 환자의 예후를 개선할 수 있다는 점에서 큰 의미가 있다.

급성 관상동맥 증후군(Acute coronary syndrome)은 심장에 혈액을 공급하는 관상동맥 안쪽에 자리한 경화반(단단한 섬유성 막)이 파열되면서 발생한다. 이때 혈전으로 인해 출혈이 일어나면서 혈관 내부의 지름이 급격하게 좁아지거나 갑자기 막히면서 심근의 허혈 및 괴사를 일으킨다.

대표적인 치료방법은 막힌 혈관을 풍선 확장술과 스텐트(금속 그물망) 삽입으로 영구적으로 확장하는 관상동맥 중재 시술이 있다. 무엇보다 급성 관상동맥 증후군은 의료진의 신속한 진단과 치료가 중요하다. ▲응급실 등 병원 방문 전 발생한 경우 ▲평소 흉통이 있으나 병원에 방문하지 않는 경우 ▲응급실이나 외래에서 의사의 급성 관상동맥 증후군 진단이 늦어지는진단상의 딜레마(diagnostic dilemma)경우처럼 치료가 지연될수록 환자의 상태가 급격히 나빠질 수 있기 때문이다.

이에 을지대 을지병원 심장내과 박지영 교수팀은 전자의무기록(EMR)과 기계학습을 활용해 고성능의 급성 관상동맥 증후군 예측모델을 개발했다.

연구의 핵심인 기계학습은 인공지능의 한 분야다. 컴퓨터가 데이터로부터 학습할 수 있는 알고리즘을 개발하고 이를 통해 빅데이터를 분류 처리한다. 최근에는 의학 분야에서도 활발하게 응용되고 있다. IBM 왓슨 헬스에서 의사들의 암 진단 및 치료에 기계학습 알고리즘을 도입해 암 진단 속도와 정확성을 높이는 것이 대표적인 사례다.

박지영 교수팀은 이러한 기계학습 알고리즘을 적용해 EMR 자료를 비교 분석했다.

EMR 자료로부터 추출한 유병 질환, 검사결과, 투약 정보 등 20가지 환자 정보를 변수로 급성 관상동맥 증후군 환자 2344명과 급성 관상동맥 증후군이 아닌 급성 흉통 환자 3538명을 비교 분석했다.

그 결과 환자의 응급실과 외래 진료기록만으로도 급성 관상동맥 증후군 의심환자를 85% 이상 예측할 수 있었다. 급성 관상동맥 증후군이 아닌 환자는 97%까지 예측 가능했다.

박 교수는 "이번 연구는 4차 산업혁명의 미래라고 할 수 있는 빅데이터 분석을 기반으로 했다. 예측모델을 통해서 급성 질병을 초기 발견한다면 가장 적합한 치료로 환자의 예후를 개선하고 개인 맞춤 치료법을 제시할 수 있다."고 말했다.

이같은 내용이 실린 논문 '관상동맥 재관류가 필요한 급성 관상동맥증후군 예측을 위한 기계학습 기반 접근법'은 SCI급 국제학술지 Journal of Medical Systems 6월 온라인판에 게재됐다.

한편, 이번 연구는 을지대 을지병원 심장내과 박지영 교수를 비롯한 한양대학교 컴퓨터공학과 노영균 교수, 고대 구로병원 심혈관센터 나승운 교수, 고려대 보건대학교 최병걸 교수가 함께 했다.

장종호 기자 bellho@sportschosun.com