진흥원
중환자 섬망 예방에 탁월한 AI 기반 약물 투여량 최적화 모델 개발
| 작성자 | 관리자 | 카테고리 | 기타 |
|---|---|---|---|
| 작성일 | 2024-12-19 | 조회수 | 455 |
| 원문 | 한국보건산업진흥원 | ||
| 출처 | https://www.khidi.or.kr/board/view?pageNum=1&rowCnt=10&no1=3108&linkId=48921371&menuId=MENU00100&maxIndex=00489213719998&minIndex=00489098479998&schType=0&schText=&schStartDate=&schEndDate=&boardStyle=&categoryId=&continent=&country= | ||
| 첨부파일 | |||
(붙임1) 연구개요 및 성과 관련 그림설명.hwp(347.5KB)|
중환자 섬망 예방에 탁월한 AI 기반 약물 투여량 최적화 모델 개발 |
|
기존 투여량 절반으로도 섬망 예방 입증, 부작용 감소 기대 |
□ 국내 연구진이 중환자실(ICU) 환자의 섬망* 예방을 위한 인공지능(AI) 기반의 혁신적인 약물 투여량 최적화 모델을 개발해 세계적으로 주목받고 있다.
* 섬망(Delirium): 중환자실에서 흔히 발생하는 급성 정신혼란 증상으로, 주의력과 인지기능이 급격히 저하되어 환자의 생존율과 예후에 부정적 영향을 미치는 증상
□ 한국보건산업진흥원(원장 차순도)은 서울대병원 연구팀이 중환자실 섬망 예방을 위한 덱스메데토미딘* 약물의 투여량을 최적화하는 인공지능 모델 개발에 성공했다고 밝혔다.
* 덱스메데토미딘(Dexmedetomidine): 중환자실에서 섬망 예방을 위해 사용되는 진정제
□ 중환자실에서 섬망은 20-80% 발생하는 중대한 합병증으로, 환자의 장기적 인지기능 저하, 기계호흡 기간 연장, 재원기간 증가 등을 초래한다. 최근 덱스메데토미딘이 섬망 예방에 효과적인 것으로 알려졌으나, 그동안 투여량 결정은 의사의 경험에 의존하기에 일관성이 부족하다는 문제가 지적되었다. 환자에게 약물이 과잉 투여되었을 때 맥박이 지나치게 느려지거나 저혈압이 발생하는 등 부작용을 일으킬 수 있으므로 신중한 용량 조절은 매우 중요하다.
□ 서울대병원 중환자의학과 이홍열 교수, 마취통증의학과 류호걸 교수와 이형철 교수, 데이터사이언스연구부 이현훈 교수 공동연구팀은 이런 문제를 해결하기 위해 환자 2,416명의 데이터를 바탕으로 개별 환자에게 최적화된 맞춤형 약물 투여량을 제시하는 AI 모델을 개발했다.
□ 이 AI 모델은 개별 환자의 활력징후, 혈액검사 결과 등 35가지 상태 정보를 실시간으로 분석해 6시간마다 약물 투여량을 정확하게 제시한다.
○ 환자 270명의 데이터로 성능을 검증한 결과, AI 모델이 제안한 투여량(섬망 발생 환자군 평균 0.117mcg/kg/h)은 기존 의사 처방(섬망 발생 환자군 평균 0.236mcg/kg/과h)보다 더 낮은 용량으로도 효과적인 섬망 예방이 가능함을 입증했다.
○ AI 모델 개발로 환자는 서맥, 저혈압 같은 약물 부작용 위험이 줄어들고, 상태 정보에 맞춰 분석된 최적의 약물 투여량을 받을 수 있게 된 것이다.
□ 서울대병원 이홍열 교수(중환자의학과)는 “이번에 개발된 AI 모델은 섬망 예방 약물 투여량을 객관적이고 과학적으로 결정할 수 있다는 강점을 가졌다”며 “특히 더 낮은 약물 용량으로도 효과적인 예방이 가능하다는 점에서 환자의 부작용 위험을 줄일 수 있을 것으로 기대된다”고 설명했다.
□ 서울대병원 이현훈 교수(데이터사이언스연구부)는 “이번 연구는 한국형 의료 빅데이터를 활용한 AI 기술의 성공적 개발 사례”라며 "의료 AI 분야에서의 국가 경쟁력을 확보하고 향후 다양한 임상 분야에서의 AI 기술 적용 가능성을 제시했다"라고 평가했다.
□ 이번 연구는 보건복지부와 한국보건산업진흥원이 추진하는 '중환자 특화 빅데이터 구축 및 AI기반 CDSS* 개발 사업‘의 지원으로 수행됐으며, 세계적 과학 학술지인 ‘네이처 디지털 메디슨(npj Digital Medicine)’ 11월호에 게재되었다.
* CDSS(Clinical Decision Support System): 임상의사결정지원시스템
|
※ 게재 논문 정보
- 저널명: npj Digital Medicine (IF 12.4; JCR 상위 1% 이내) - 논문명: Reinforcement learning model for optimizing dexmedetomidine dosing to prevent delirium in critically ill patients - 저자정보: (제1저자) 이홍열 교수 (서울대학교병원) (교신저자) 이현훈 교수 (서울대학교병원) |
<자료 문의> 서울대학교병원 이현훈 교수(hhoon@snu.ac.kr)
