소아 응급환자 조기 예측 AI 모델 개발… “응급실 효율성 개선 기대”

AI 요약

가톨릭대학교 서울성모병원 소아전문응급의료센터장 배우리 교수 연구팀은 인공지능 기반 소아 응급환자 예측 모델을 개발하기 위해 2012년부터 2021년까지 국내 한 상급종합병원 소아 응급실을 방문한 18세 미만 환자 8만7759명의 전자의무기록을 활용해 응급과 비응급 환아로 분류했습니다. 연구팀은 응급환아를 혈액 검사·소변 검사·정맥 수액 치료·흡입 치료·응급 약물 투여·입원 중 하나라도 시행된 경우로 정의하고, 한국어 의료 자연어처리 모델 KM-BERT에 마스크 언어모델(MLM) 사전학습을 적용한 딥러닝 예측모델이 AUROC 84%, AUPRC 88%의 성능을 기록하며 다른 머신러닝 모델과 한국형 응급환자 분류도구(KTAS)보다 높은 예측 정확도를 보였다고 밝혔습니다. 이번 연구 결과는 국제학술지 사이언티픽 리포츠(Scientific Reports)에 최근 게재됐고, 연구팀은 인공지능이 의료진이 기록한 증상과 표현을 분석해 응급 환자를 보다 정확하게 식별할 수 있어 응급실 자원 배분과 환자 안전 향상에 도움이 될 수 있다고 설명했습니다.