국내 연구진이 복잡했던 심부전 진단을 인공지능(AI) 모델로 간편화했다. 단순 증상과 박출률 검사로는 구분이 불가능했던 박출률 보존 심부전(HFpEF) 진단에 AI를 통해 간편화를 이끌어 냈다. 

삼성서울병원 순환기내과 박경민·홍다위 교수팀은 최근 AI를 활용해 수축 기능이 보존된 심부전을 예측할 수 있는 모델을 국제 학술지에 발표했다.

박출률 보존 심부전은 좌심실 박출률이 정상(50% 이상)임에도 심장 이완기능 저하, 구조적 변화 등으로 발생하는 병이다. 국내외 심부전 환자 절반 이상을 차지한다고 알려져 있다. 

심부전 주요 특징인 숨참, 피로, 운동 시 불편 등과 같은 증상이 비특이적으로 발생하고, 고령, 비만, 고혈압 등 다양한 만성질환과 헷갈리기 쉬워 확진이 매우 어려운 병으로 꼽힌다.

특히 병이 의심되더라도 진단을 위해 심장초음파에서 다양한 정밀 지표를 종합적으로 분석해야 하므로, 많은 환자들이 적시에 정확한 진단을 받지 못하는 경우가 빈번한 질환이다.

박경민 교수팀은 심박출량 보존 심부전 진단의 난제를 해결하기 위해 복잡한 검사 없이 병원에서 널리 사용하는 12유도 심전도 검사 결과 값만 있어도 진단을 내릴 수 있도록 AI 모델을 만들었다.  

심초음파, NT-proBNP, 12리드 심전도 검사를 모두 시행한 1만3081명을 대상으로 유럽심장학회 기준(HFA-PEFF)을 참고해 환자 위험도에 따라 박출량 보전 심부전 그룹과 대조군으로 나눴다.

이들을 대상으로 심전도 데이터를 덴스넷-121(DenseNet-121) 기반 딥러닝(1D CNN)에 학습시켜 미세한 전기 신호 패턴까지 포착하도록 AI 모델을 설계했다.

이어 환자별 임상·영상·혈액 데이터와 함께 AI가 실제 임상 현실에 가까운 조건에서 예측력을 테스트할 수 있도록 최대 5년 동안 모은 데이터까지 통합 분석했다.

그 결과 연구팀은 AI 심전도 예측 모델의 성능(AUC) 0.81에 달했다고 밝혔다. 특히 고령, 비만, 당뇨, 고혈압 등 주요 위험군에서도 0.78~0.83으로 모델 성능이 유지됐다. 

또한 AI가 ‘양성’으로 예측한 환자의 5년 내 심장사망 위험은 음성군 대비 10배, 심부전으로 인한 입원 위험은 5배 높아 실제 임상에서도 유용하게 쓰일 것으로 연구팀은 내다봤다.

연구팀은 “이번 연구는 AI 기반 심전도 모델을 활용해 박출량 보존 심부전 가능성을 예측한 국내 첫 연구”라고 의미를 부여했다.

이어 “세계적으로 이완기 기능 저하나 좌심실 충만압 상승을 예측하려는 시도는 있었지만 HFA-PEFF 점수를 기준으로 모델을 훈련하고 평가한 연구는 이번이 처음”이라고 덧붙였다.

박경민 교수는 “간단한 심전도 검사만으로 박출량 보존 심부전의 가능성을 조기에 의심해 볼 수 있다는 점에서 진단의 사각지대를 줄이는 데 큰 의미가 있다”고 말했다. 

한편, 이번 연구결과는 유럽심장학회 디지털헬스 관련 학술지(European Heart Journal - Digital Health, IF 4.4) 최근호에 게재됐다.