AI 도구, 간호사 기록 분석으로 환자 사망 위험 35% 이상 감소

AI가 간호사의 관찰을 분석해 환자의 위험을 줄이는 방법 연구진은 AI 기반 도구를 개발해 입원 환자의 건강 상태가 악화되거나 급격히 나빠질 가능성을 전통적인 방법보다 훨씬 빠르게 식별할 수 있게 만들었다. 이 도구는 CONCERN Early Warning System(CONECRN EWS)이라고 이름이 붙여졌다. 초기 시험에서 CONCERN EWS는 환자의 사망 위험을 35% 이상 감소시키고 평균 입원 기간을 반나절 넘게 단축하는 데 도움을 줬다. 2020년부터 2022년까지 6만 명 이상의 환자를 대상으로 한 임상 시험에서는 CONCERN EWS를 사용한 병원에서 환자의 패혈증 위험이 7.5% 감소하는 것으로 나타났다. 이러한 결과가 광범위하게 재현된다면 병원 시스템은 환자의 치료 결과를 개선하면서 동시에 입원 치료와 관련된 비용을 줄일 수 있는 신뢰성 있는 방법을 얻을 수 있을 것이다. 4월에 Nature Medicine에 발표된 연구에서, 콜롬비아 대학과 펜실베니아 대학의 연구진은 이 기계 학습 알고리즘이 간호사의 중요한 의료 관찰을 우선적으로 고려하는 방식을 설명했다. 간호사는 일반적으로 환자와 자주 상호작용하며, 그렇지 않으면 눈에 띄지 않을 수 있는 미묘하지만 중요한 건강 변화를 식별한다. CONCERN EWS는 간호사가 전자 의료 기록(EHR)에 작성한 내용을 읽어 자연어를 이해한다. 그러나 이 AI의 주요 혁신은 이러한 기록과 연결된 메타데이터를 연결하여 문제를 예측하는 것이다. 예를 들어, 간호사가 환자의 피부색이 약간 변했거나 무기력해 보이거나 인지 기능이 저하된 것을 발견하면, 간호사는 환자를 더 자주 확인하거나 특정 약물 투여를 연기할 수 있다. CONCERN EWS는 이러한 간호사의 미세 결정에 초점을 맞춘다. 간호사의 통찰력을 간접적으로 이해하기 위해 CONCERN EWS는 각 EHR 항목과 연결된 메타데이터(날짜, 시간, 위치 등)를 분석하여 문제를 예시하는 패턴을 찾는다. 시스템은 간호사가 평소보다 더 자주 환자를 평가하거나, 낮이나 다른 비정상적인 시간에 방문하는 경우를 파악한다. 시스템이 경보 패턴을 감지하면, 환자의 건강 상태가 악화될 가능성이 있다고 관리팀에게 알린다. 연구의 책임 저자인 콜롬비아 대학의 의생명 정보학 및 간호학 부교수 사라 로셋티는 "간호사의 기록을 통해 환자를 면밀히 검토함으로써, 환자의 입원 기간을 평균 11% 단축할 수 있었다"고 말했다. 연구진은 NVIDIA RTX A2000 12GB 그래픽 카드를 사용해 알고리즘을 개발했다. 임상 시험 동안 CONCERN EWS는 매사추세츠 주와 뉴욕 주의 두 개 병원 시스템에 걸친 네 곳의 병원에서 배포되었으며, 관리팀이 평균 42시간 앞서 문제 징후를 발견하는 데 기여했다. 이는 환자의 건강이 위험에 처하기 전에 조기에 개입할 수 있는 좋은 기회를 제공했다. 5월에는 이 유망한 결과가 연구팀이 미국 간호사 재단이 매년 세 개의 권위 있는 "간호 재상상 이니셔티브" 수여금 중 하나를 받는 데 도움이 됐다. 각 수상자는 총 150만 달러의 수여금을 나누어 받았다. 로셋티 교수는 "우리는 콜로라도 어린이병원과 파트너십을 맺어 현재 모델의 소아판을 개발하고 커뮤니티 병원에서 평가할 계획"이라고 말했다. 이러한 혁신은 간호사의 귀중한 관찰을 기반으로 하는 AI 도구의 효과를 입증하며, 앞으로 더 많은 병원에서 이런 기술이 활용될 가능성이 높아졌다. 특히, 소아 환자에게 적용되는 버전의 개발은 이 기술의 범위를 확대하고 더 다양한 치료 환경에서 활용될 수 있도록 할 것으로 기대된다. CONCERN EWS의 연구팀은 콜롬비아 대학과 펜실베니아 대학의 연구자들로 구성되어 있으며, 이들의 노력은 간호사의 역할을 강화하고 환자 관리를 개선하는 데 중요한 역할을 하고 있다. 앞으로의 연구와 개발은 이 기술이 더욱 폭넓게 적용되고, 효과가 증명될 때까지 계속될 것으로 보인다. CONCERN EWS에 대한 추가 뉴스 보도나 기술에 대한 동영상을 참고할 수 있다.