급성 심부전은 응급실에서 높은 사망률을 보이는 질환 중 하나로, 정확한 조기 진단이 환자의 생명을 좌우할 수 있다. 하지만 기존의 진단 방법은 환자의 상태와 검사 환경에 따라 제약이 많아 정확성과 신속성이 떨어졌다. 연구팀은 이러한 한계를 극복하기 위해 인공지능 기반 심전도 분석 기술을 도입했다.

최종적으로 CatBoost 알고리즘을 기반으로 한 모델이 가장 우수한 성능을 보였는데, 내부 검증에서 정확도 81%, 외부 검증에서 82%라는 높은 예측도를 보이며 가장 우수한 성능을 입증했다. 특히, 심전도 데이터와 임상 데이터를 결합한 모델은 심전도 단독 모델보다 진단 정확도가 유의미하게 높았다.
주형준 교수는 “이번 연구는 급성 심부전 조기 진단의 새로운 장을 열었다”며, “심전도와 임상 데이터를 통합한 딥러닝 모델은 기존 진단 방법의 한계를 극복하고, 응급실에서의 신속한 의사 결정을 가능하게 할 것”이라고 설명했다. 차정준 교수는 “이 기술의 고도화를 통한 상용화가 가능해지면 응급실에 내원하는 급성 심부전 환자의 치료 결과를 대폭 개선할 수 있을 것”이라고 덧붙였다.
이번 연구는 기존의 제한된 진단 방법에서 벗어나, 응급실 환경에서 급성 심부전 환자의 조기 선별을 가능하게 하는 기술적 돌파구를 마련했다는 점에서 의의가 크다. 한편, 연구 결과 ‘Deep learning model for identifying acute heart failure patients using electrocardiography in the emergency room’는 심혈관 질환 관련 국제학술지 European Heart Journal: Acute Cardiovascular Care 최신호에 게재됐다.
김국주 기자
press@healthinnews.co.kr