서울성모, 소아응급환자 조기선별 ‘AI 모델’ 개발

응급실 의사기록 AI 학습
응급 우선순위 분류 활용

배우리 교수이창희 교수국내 의료진이 소아 응급환자를 조기에 선별하는 인공지능(AI) 모델을 개발했다. 자연어 처리 기술을 활용해 전자의무기록을 학습한 결과다.

이에 따라 응급 의료 현장에서 AI 모델을 활용한 소아 응급 환아 우선순위 결정 등 응급실 운영 효율성이 높아질 전망이다.

서울성모병원은 배우리(소아전문응급의료센터장(응급의학과) 교수 연구팀이 AI 기반 소아 응급 환자를 조기에 예측하는 모델을 개발했다고 29일 밝혔다. 해당 연구 결과는 국제학술지 사이언티픽 리포트(Scientific Reports)를 통해 발표됐다. 연구팀은 사람이 일상적으로 쓰는 말을 컴퓨터가 분석해 의미를 파악하는 ‘자연어 처리 기술’을 활용했다. 이를 통해 의료진이 전자의무기록에 기록한 증상과 진료 내용을 분석했다. 검사 결과가 나오기 전 의료진이 기록한 임상 기록에 환자 상태를 판단할 수 있는 중요한 정보가 담겨 있다는 점에 주목한 것이다.

연구팀은 지난 2012년부터 2021년까지 국내 한 상급종합병원 소아 응급실을 방문한 18세 미만 소아 환자 8만7759명(응급, 비응급 환아 분류)의 전자의무기록 데이터를 활용했다. 응급 환아는 혈액 검사, 소변 검사, 정맥 수액 치료, 흡입 치료, 응급 약물 투여, 입원 중 하나라도 시행된 경우다. 비응급 환아는 검사나 치료 없이 경구약 처방 후 귀가한 경우 등이다.

이후 한국어 의료 자연어 처리 모델(KM-BERT)을 활용해 딥러닝 기반 예측 모델을 개발했다. 마스크 언어 모델(MLM) 사전 학습 기법을 통해 의료진의 의무기록 내용도 사전 학습했다. MLM은 인공 신경망 입력에 들어가는 텍스트 일부를 임의로 가리고, 가려진 단어들을 예측하게 하는 훈련 방법이다. 연구 결과, 딥러닝 기반 자연어 처리 모델 진단의 정확도를 확인하는 통계 성능은 84%, 진단의 정밀도를 확인하는 통계 성능은 88%로 나타났다. 다른 머신러닝 기반 모델들에 비해 우수한 결과다.

배우리 교수는 “향후 응급실 현장에서 기술이 활용된다면 의료 자원의 효율적 배분과 환자 안전 향상에 도움이 될 것”이라고 말했다.

고재우 기자