인공지능(AI)이 환자 한 명의 심장 자기공명영상(MRI)을 분석하는 데 약 2~3초가 걸렸다. 

AI가 산출한 좌심실 박출률은 숙련 의료진의 측정값보다 사망 위험이 높은 환자를 구분하는 데 소폭 우위를 보였다.

영국 유니버시티칼리지런던(UCL)은 현지 시각 3일 시티 세인트조지 런던대와 진행한 공동연구 결과가 국제학술지 ‘랜싯 디지털 헬스(The Lancet Digital Health)’에 게재됐다고 밝혔다.

연구팀은 심장질환이 있거나 의심돼 심장 MRI를 촬영한 영국·미국 환자 2만7382명 자료를 후향적으로 분석했다. 

추적 관찰 기간 중앙값은 5.6년으로 이 기간 전체 환자의 약 13%인 3458명이 사망했다.

연령·성별 보정 후 예측력 격차 줄어

연구팀은 동일한 심장 MRI에서 AI와 숙련 의료진이 각각 산출한 좌심실 박출률을 예측 모형에 적용해 모든 원인에 의한 사망 위험을 얼마나 잘 구분하는지 비교했다. 

사망 위험 구분 성능을 나타내는 일치지수(C-index)는 AI 측정값을 적용한 모형이 0.669, 의료진 측정값을 적용한 모형이 0.637이었다. 

연령과 성별을 반영한 뒤에는 각각 0.781과 0.777이었다. 격차는 0.004로 줄었지만 AI 측정값을 적용한 모형의 성능이 통계적으로 유의하게 높았다.

보고된 영상 분석 시간에서는 더 뚜렷한 차이가 나타났다. UCL이 공개한 이번 연구의 AI 영상 처리 시간은 환자당 약 2~3초였다.

반면 연구팀의 2022년 선행 연구에서 의료진이 심장 MRI 한 건의 좌심실을 수작업으로 분석하는 데 걸린 시간은 중앙값 13분이었다.

환자 약 1% 오류…의료진 검토 필요

UCL에 따르면 AI 분석 오류는 환자 기준 약 1%에서 확인됐으며 전체 영상 기준으로는 0.08%였다. 

연구팀은 AI가 박출률을 먼저 산출하고 의료진이 결과를 검토하는 방식을 제시했다. 

박출률이 치료 방향에 영향을 주는 만큼 측정 오류를 확인하고 환자 상태에 맞게 해석하는 과정이 필요하다는 설명이다.

연구팀은 논문에서 “이번 결과는 의료진의 검토 아래 AI를 박출률의 1차 측정에 활용할 가능성을 뒷받침한다”며 “이 방식은 전향적 연구에서 검증할 필요가 있다”고 밝혔다.