다양한 환자 그룹의 데이터를 사용하여 개발된 AIRE의 고급 AI는 심장병 위험과 사망률을 정밀하게 예측하여 임상의에게 보다 목표 지향적이고 장기적인 환자 관리 도구를 제공함.
최근 The Lancet 저널에 발표된 연구에서 연구자들은 환자의 의학적 이력과 이미징 결과를 활용하여 사망률과 심혈관 질환(CVD) 위험을 정확하게 예측할 수 있는 새로운 인공지능(AI) 강화 심전도(ECG) 모델을 개발하고 검증함.
AI를 질병 및 사망 예측에 사용하는 첫 번째 시도는 아니지만, 이 구현은 이전 모델의 시간적 한계, 생물학적 타당성 및 설명 가능성을 극복하여 임상 실습에서 실행 가능한 통찰력을 지원할 수 있는 예측을 생성함.
연구 결과에 따르면, 새로운 모델(AIRE라고 명명됨)은 모든 원인 사망, 심실 부정맥, 동맥경화성 CVD 및 심부전 위험을 정확하게 예측할 수 있음.
이 모델은 단기 및 장기 위험 추정 모두에서 기존 AI 모델을 초월하여 임상의에게 단기 진단 예측을 위한 통찰력을 제공하고 환자의 약물 지원의 나머지 기간 동안 장기적이고 점진적인 개입을 제안함.
심전도(ECG)는 비침습적이며 심혈관 전기 활동의 그래픽 평가임. 이 기술은 환자의 가슴, 팔 및 다리에 전략적으로 배치된 외부 전극을 사용하여 심장 전기 신호와 리듬의 시각적 표현을 제공함.
ECG는 심혈관 평가에서 일상적으로 사용되며 100년 이상 방법론적으로 거의 변하지 않음. 최근 컴퓨터 처리 능력의 발전과 차세대 예측 기계 학습(ML) 모델의 출현은 연구 커뮤니티에서 흥미를 불러일으킴.
2020년 이후, 몇몇 연구들은 ECG 데이터로 훈련된 인공지능(AI) 모델을 활용하여 환자의 CVD 및 사망 위험에 대한 예측을 제공하려고 시도했으며, 거의 모든 AI의 질병/사망 위험 예측 구현에서 AI 모델은 인간 전문가의 예측과 유사하거나 이를 초과하는 진단 및 예측 성능을 달성함.
AI 모델은 특히 농촌 및 개발도상국 지역에서 임상의에게 환자 부담을 줄일 수 있는 잠재력을 가지고 있으며, 진단 속도를 높이고 환자 자신에게 재정적 부담을 줄일 수 있음.
불행히도, 임상 시험 기반의 안전성과 성능 검증에도 불구하고 AI 강화 ECG 모델은 실제 ECG 응용 프로그램에서 거의 사용되지 않음.
“기존의 사망 예측 모델은 하나 또는 소수의 설정된 시간점에서 생존을 예측하는 데 한계가 있으며, 특정 실행 가능한 경로에 대한 정보를 제공하지 않음. 높은 위험 예측은 환자의 생존 궤적을 개선하는 방법에 대한 정보가 없다면 임상의에게 도움이 되지 않음. 따라서 AI-ECG 예측을 보다 실행 가능하게 만들기 위해서는 사건 발생까지의 시간 예측과 예방 및 질병 수정 치료가 확립된 질병에 대한 특정 예측을 고려해야 함.”
연구 관점에서, 이전 AI 구현은 모델 성능에 대한 설명이 불충분하여(계산적 ‘블랙 박스’) 임상의가 모델 예측을 신뢰하는 데 주저하게 만듦.
이번 연구에서 연구자들은 사망 위험(모든 원인 및 심혈관)을 예측하기 위해 이전 AI 구현의 한계 없이 개발, 훈련 및 검증된 8개의 새로운 AI-ECG 위험 추정(AIRE) 모델(총칭하여 ‘AIRE 플랫폼’)을 개발함.
연구 데이터는 최소한의 중복 임상 치료를 받는 다섯 개의 지리적으로 다양한 출처에서 수집됨. 여기에는 Beth Israel Deaconess Medical Center(BIDMC) 코호트(2차 환자 치료 데이터 세트), 상파울루-미나스 제라이스 열대 의학 연구 센터(SaMi-Trop) 코호트(만성 샤가스 심근병증 데이터 세트), 성인 건강의 종단적 연구(ELSA-Brasil) 코호트(공무원), 영국 바이오뱅크(UKB) 코호트(자원봉사자)가 포함됨. 임상 디지털 심전도에서의 임상 결과(CODE) 코호트는 모델 성능을 미세 조정하는 데 추가로 사용됨.
AI 모델 개발은 모델 유도에 BIDMC 코호트를 사용하여 수행됨. 데이터 세트는 훈련(50%), 검증(10%), 내부 테스트를 위한 40%로 무작위로 나누어짐.
잔여 블록 기반 합성곱 신경망 아키텍처를 통해 연구자들은 이산 시간 생존 접근 방식을 통합하여 참가자의 사망 및 검열(추적 불가능성)을 고려한 환자별 생존 곡선을 생성함.
CODE 코호트 데이터와 관련된 모델 개선은 데이터 세트의 75%를 모델 매개변수 미세 조정에 사용하고, 5%를 일반화(외부) 검증에, 20%를 내부 1차 진료 검증에 사용함.
또한 심혈관 사망(AIRE-CV 사망), 비심혈관 사망(AIRE-NCV 사망), 동맥경화성 심혈관 질환(AIRE-ASCVD), 심실 부정맥(AIRE-VA), 심부전(AIRE-HF)에 초점을 맞춘 다섯 개의 다른 모델이 유사한 접근 방식을 사용하여 파생됨.
통계 분석을 통해 모델 성능을 측정하였으며, 특히 인간 전문가의 인식 및 스탠포드 심전도 위험 추정기(SEER)와 비교함. 인구 통계, 임상 데이터 및 이미징 매개변수에 대해 조정된 콕스 모델과 카플란-마이어 곡선을 사용하여 차별적 모델 정확도를 계산함.
생물학적 타당성은 심장 및 대사 마커를 식별하기 위해 표현형 전반 협회 연구(PheWAS) 및 전유전체 협회 연구(GWAS)를 사용하여 설명됨.
연구 결과
홀드 아웃 테스트 결과 AIRE는 모든 원인 사망을 예측할 수 있는 일치 값이 0.775임을 보여줌. 특히 이 플랫폼은 전체적(AIRE 콕스 C-지수 = 0.794) 및 심혈관 사망 예측(C-지수 = 0.844)에서 기존 위험 요소 예측기(누적 C-지수 = 0.759)를 초월하여 모델 정확성을 강조함.
특히 AIRE는 개인 또는 가족력이 없는 참가자에서 심부전 사건을 정확하게 예측할 수 있었으며, 이는 이러한 인구에서의 기존 진단이 일반적으로 지연되는 것과 관련이 있음.
고무적으로 AIRE 결과는 소비자 장치에서 제공된 단일 리드 ECG 데이터에서도 견고하게 유지되었으며, 이는 자택에서의 CVD 위험 모니터링에 대한 플랫폼의 적용 가능성을 강조함.
PheWAS 및 GWAS 분석은 모델이 충분한 생물학적 타당성을 제공함을 보여주었으며, 대체 폐압 측정 및 심실 직경이 예측된 생존과 반비례 관계를 가지며, 좌심실 박출률(LVEF)은 정비례 관계를 나타냄.
결론
이번 연구는 현재 사용 가능한 가장 임상적으로 실용적인 AI 강화 ECG 평가 플랫폼인 AIRE 플랫폼을 개발하고 검증함.
연구 결과는 이 플랫폼이 기존 인간 기반 예측 및 유사한 구세대 AI 모델보다 예측 정확도에서 우수함을 보여주며, 후자의 경우 인구 통계 또는 의학적 이력 데이터가 필요하지 않음.
특히 이 모델은 소비자 장치에서 제공된 단일 리드 데이터에서도 견고하게 유지되었으며, 이는 의료 CVD 이력이 없는 사람들 또는 적절한 임상 지원이 없는 외딴 지역의 원격 환자 모니터링에 대한 AIRE의 잠재력을 강조함.
“…AIRE 플랫폼은 실행 가능하고 설명 가능하며 생물학적으로 타당한 AI-ECG 위험 추정 플랫폼으로, 인구 및 질병 특정 수준에서 단기 및 장기 위험 예측을 위해 전 세계적으로 다양한 임상 맥락에서 사용될 가능성이 있음.”
