머신러닝(빅데이터를 분석하고 스스로 학습하는 인공지능 기술의 한 분야)과 전자건강기록(EHR, Electronic Health Records)을 활용해 허리디스크(요추추간판탈출증) 환자의 치료 성과를 예측하는 새로운 방법이 제시됐다.

자생한방병원 척추관절연구소 이예슬 원장 연구팀은 SCI(E)급 국제학술지 ‘국제의료정보학저널(International Journal of Medical Informatics, IF:4.1)’에 이 같은 내용의 연구논문을 게재했다고 15일 밝혔다.

EHR은 환자의 진료·검사·치료 이력 등을 디지털로 저장하고 공유함으로 의료 효율성과 진료 연속성을 높이는 시스템이다. 하지만 풍부한 환자 데이터를 제공함에도 증상이 시시각각 변하거나 증상의 변화 추이가 환자별로 다르게 나타날 경우 관련 변화에 관한 정보가 정확히 기록되지 않았다. 이에 질환별 예후 예측에 어려움이 발생하곤 했으며, 특히 대표적 척추질환인 허리디스크는 환자들의 증상, 호전 속도, 예후 등이 크게 달라 관련 질환 치료 성과 예측에 한계가 있었다.

이에 이예슬 원장 연구팀은 2017년부터 2021년까지 5개 한방병원에서 침·약침, 한약 처방 등 한의통합치료를 받은 허리디스크 환자 6732명의 EHR을 기반으로 새로운 분석 방법을 고안했다.

연구팀은 허리기능장애지수(ODI, 0~100)를 활용해 환자군을 분류하고, 시간에 따른 증상 변화를 분석하는 ‘잠재계층궤적모형(LCTM, Latent Class Trajectory Model)’을 머신러닝 분석 모델과 결합했다. LCTM은 시간 경과에 따라 환자들이 보이는 증상 패턴을 파악하고 각 집단이 띄는 양상을 확인 및 분석하는 통계 기법이다. 동일 질환이라도 서로 다른 회복 패턴을 가진 환자군을 식별할 수 있다는 장점이 있다.

분석 결과, 연구팀은 LCTM과 머신러닝 결합을 통해 환자들이 △초기 기능저하 수준이 낮고 회복이 빠른 ‘경도 기능저하-빠른회복군’ △초기 기능저하가 현저하고 회복이 더딘 ‘중증도 이상 기능저하-느린 회복군’ △초기 기능저하가 현저히 확인되지만 단기간 내 회복되는 ‘중증도 이상 기능저하-빠른 회복군’으로 구분됨을 확인했다. 해당 환자 유형 분류의 정확도는 90% 이상으로 매우 높았고, 최신 연도의 새로운 EHR 데이터를 적용해 검증했을 시 치료 성과 예측 정확도(AUROC)는 기존 예측 모델 수치인 77.7%와 대비해 81.5%로 향상됐다. 단순히 환자의 나이, 성별, 병력 등 기초 정보만 활용한 모델보다 더욱 우수한 성능을 보인 것이다. 이외 정밀도, 재현율 등 추가적인 주요 평가에서도 개선된 성능을 입증했다.

자생한방병원 척추관절연구소 이예슬 원장은 “이번 연구는 한의학 분야에서 EHR데이터와 첨단 분석기법을 통해 예측 모델을 개발한 최초 사례”라며 “환자 개개인의 증상 변화 양상을 반영해 치료 결과를 높은 정확도로 예측할 수 있어, 향후 맞춤형 진료와 한의치료 성과 향상에 기여할 것으로 본다”고 말했다.