해마다 세계적으로 약 300만 명의 신생아가 패혈증을 진단받아 심각한 상태에 이르고 있다. 집중치료실(ICU)에서는 수많은 사람들이 패혈증으로 사망하고 있으며 그 원인 중 하나는 지나치게 이르거나 불필요한 치료제를 처방하기 때문이다. 이 문제를 해결하기 위해, 매사추세츠공과대학(MIT)과 매사추세츠종합병원(MGH)은 의사가 응급실로 온 환자에게 치료제를 처방할 때 도움을 줄 머신러닝 시스템을 개발했다.
승압제를 처방하는 최적의 시기는 언제인가?
수많은 사람들이 패혈증으로 인해 병원에 모이고 있으며 대다수는 응급실로 직행한다. 항생제와 정맥 내 수액 처방이 가장 흔히 제공되는 치료 형태이지만, 환자의 신체가 이에 부정적으로 반응하는 경우 패혈증 쇼크를 유발할 수 있다. 그리고 패혈증 쇼크는 혈압을 급락해 장기 부전으로 이어진다. 그 결과, 응급실 환자는 집중치료실로 보내지고 노르에피네프린과 도파민 같은 승압제를 처방하기 전 수액 처방을 줄이거나 중단하게 된다.
장시간 처방되는 수액은 어떠한 도움도 되지 않고 장기 손상의 위험을 높일 수 있기 때문에 응급실에서 할 수 있는 절차는 어려움이 많다. 승압제는 패혈증 쇼크 증상의 환자 사망률을 낮출 수 있기 때문에 승압제를 조기 처방할 확률이 높지만, 승압제를 지나치게 일찍 처방한다거나 불필요하게 처방하는 경우 부정맥과 세포 손상을 유발해 주의를 기울여야 한다. 따라서 승압제 처방의 최적 시기가 중요한 것이다.
치료제 필요성을 예측할 수 있는 데이터 학습
MIT 및 MGH의 연구진은 응급 치료를 받고 있는 패혈증 환자의 데이터를 분석해 승압제의 필요성을 예측할 수 있는 모델을 개발했다. 테스트 결과에 따르면, 해당 상황의 80% 이상에서 승압제가 필요했다.
연구진은 ICU가 치료제를 조기에 준비할 수 있거나 환자가 치료제를 필요로 하지 않는 경우 불필요한 치료를 하지 않도록 이 시스템이 필요하다고 주장했다. 이번 연구에 참여한 바레쉬 프라사드 박사는 승압제가 필요한 사람을 확인하는 것은 중요하다고 강조했다.
토마스 헬트 교수는 패혈증 치료에서 애매한 상황을 고려했을 때 이번 개발 모델을 현장 이면에서 작동하는 감시 시스템으로 묘사했다.
승압제를 처방하고 패혈증에 걸릴 가능성이 높은 사람을 확인할 수 있는 여러 가지 모델들이 이미 개발된 바 있다. 그러나 헬트 교수는 MIT와 MGH가 개발한 모델은 응급실에서 기능할 수 있는 최초의 모델이라고 말했다. 응급실이 환자가 최초로 닿을 수 있는 장소라는 점을 고려했을 때 치료 결과를 규정하는 것은 매우 중요하다.
훈련 및 테스트를 위한 응급실 데이터베이스 사용하기
MIT 연구진이 직면한 주요 문제점은 응급실 데이터베이스가 부족하다는 것이었다. 따라서 MGH 임상의들과 협업해야 했다. 이 파트너십 체결로 MGH 응급실에서 의료적 개입을 받은 환자 18만6,000명의 2014~2016년 의료 기록을 사용할 수 있게 됐다. 두 명의 연구진은 패혈증 쇼크를 앓은 환자의 기록을 수동으로 조사했다. 기록에는 병원 내원 당시 48시간 이내 승압제를 처방받은 환자와 그렇지 않은 환자에 대한 내용도 포함됐다.
무작위로 의료 기록을 해체한 후 개발 모델을 데이터의 70% 정도를 사용해 훈련시켰다. 그리고 남은 30%로 테스트를 했다. 훈련 도중 개발 모델은 58명 중 28명의 환자를 추출했으며 해당 내용에는 생체 징후, 정신 상태, 처방 수액 용량 등이 포함됐다. 한편, 개발 모델은 환자의 특징 일부 혹은 전체를 분석하고 다른 환자들과 연결헤 패턴을 찾아냈다. 모델은 이렇게 수집한 정보를 다시 평가해 예측할 수 있었다. 그리고 개발 모델의 승압제 처방 예측은 80~90%의 정확성을 보였다.
연구진은 패혈증 또는 패혈증 쇼크에 노출될 수 있는 환자를 실시간으로 예측하기 위해 연구를 확대할 계획을 세우고 있다. 그럼에도, 연구진이 이번에 개발한 획기적인 모델은 응급실에서 빠르고 정확한 치료를 위해 유용할 수 있으리라는 전망이다.
[메디컬리포트=허성환 기자]