의사
주인공은 감염질환에서 의료 빅데이터를 기반으로 한 항생제 내성 예측 AI로 상급종합병원 275만명의 공통데이터모델(CDM) 데이터베이스를 활용해 탄생했다.
아주대의료원 의료정보학교실 박래웅 교수팀은 "AI 기반 ‘경험적 항생제’ 내성 예측 모형을 개발했다"고 13일 밝혔다.
중증 감염병 환자가 입원할 경우, 정확한 항생제 처방을 위해 처방 전(前) 항생제 내성 여부를 확인토록 한다.
하지만 처방을 미룰 수 없는 긴급한 경우 일단 경험적으로 가장 적합한 처방, 즉 경험적 항생제 시행이 일반적이다.
항생제 내성 예측 AI는 이 같은 과정에서 발생할 위험을 줄이는 데 주안점을 뒀다.
이에 이번 예측 모형은 입원 환자 중 병원성 요로감염 의심 환자를 대상으로 ▲환자 기저 특성(인구학적 특성·진단 기록·약물 처방력·검사 및 처치력 등) ▲타 기관 전원 기록 ▲항생제 감수성 경향(antibiogram) 등 다양한 정보를 활용했다.
연구 결과, 8가지 항생제 감수성 패널 결과를 예측하는 이번 모형의 성능이 기존 다른 선행연구 결과보다 더 우수한 결과를 보였다고 규명됐다.
항생제 내성 원인 중 하나는 ‘부적절하게 투여된 항생제’로 이는 ▲불필요한 투여 ▲부적절한 항생제(경험적 항생제 포함) 선택 ▲용법·용량 오류 ▲투여시간 지연 등의 경우다.
실제 항생제 내성 문제는 계속 지속될 경우 오는 2050년이면 전 세계적으로 매년 약 1000만 명이 사망할 수 있다고 예측될 정도로 주요한 문제다.
연구팀은 “올바른 경험적 항생제 선택은 불필요한 범위 항생제 사용과 내성 확산을 막을 수 있다”고 설명했다.
박래웅 교수는 “이번 연구는 감염질환 특성에 맞는 주요 대규모 의료데이터를 확보해 실제로 활용 가능한 임상의사 결정 지원 시스템 모형을 개발했다는 데 의의가 있다”면서 “향후 진료 현장에서 개인별 맞춤형 경험적 항생제 선택 실현에 기여하길 바란다”고 밝혔다.
또 “이번 예측 모형은 임상에서 활용성을 높이기 위해 웹 기반 애플리케이션(링크) 형태로도 개발했다”고 덧붙였다.
한편, 이번 연구결과는 11월 국제항균제학회지에 ‘Translation of Machine Learning–Based Prediction Algorithms to Personalized Empiric Antibiotic Selections: A Population-Based Cohort Study(개인화된 경험적 항생제 선택을 위한 머신러닝 기반 예측 모형 개발)’로 게재됐다.
조재민 기자 (
