병원 밖에서도 중단 없는 치료를 위하여

노영선 교수 연구팀(서울대학교병원 응급의학과 노영선 교수, 김기홍 교수)

• 『병원전 단계 응급의료(Prehospital Emergency Care)』 게재

• 2016

  ‘ 서울중증환자 공공이송센터(SMICU)’ 공식 출범 및 운영 시작

• 2020

  Prehospital Emergency Care 논문 발표 – SMICU 이용 환자의 24시간 내 사망률 유의미한 감소 확인

• 2021

  SMICU 이용 환자군에서 미이용군 대비 응급실 내 사망률 85% 감소, 24시간 병원 내 사망률 23% 감소

• 2023

  2개 팀에서 4개 팀으로 확대하여 서울시 4개 권역에서 운영 시작

• 2024

  누적 8,000명 이상 중증환자 안전 이송

‘급성심장정지 환자,
이송 중에도 목표체온치료 가능성 확인’

급성심장정지(Sudden Cardiac Arrest) 환자의 예후를 결정짓는 데 있어, 심장박동 회복 후 이차적 뇌손상을 예방하기 위한 치료를 빠르게 시작하는 것은 매우 중요합니다. 특히 체내의 염증성 물질들이 열을 발생시키면서 유발하는 이차적인 뇌손상이 뇌신경학적 장애를 남긴다는 기전이 밝혀지면서 체온 상승 방지의 중요성이 강조되어 왔습니다. 국제적인 임상진료지침에서도 자발순환이 회복된 급성심장정지 환자의 체온을 32도에서 36도로(목표체온) 24시간 이상 유지하도록 권고하고 있죠. 하지만 목표체온치료는 지속적인 모니터링과 대형 장비, 충분한 전력 공급이 필요해 병원 도착 전 응급상황에서는 현실적으로 적용이 어렵다는 한계가 있었습니다.
서울대학교병원은 2016년부터 ‘서울중증환자공공이송센터(SMICU)’를 운영하며 중증환자 전문 이송체계를 구축해왔습니다. 중환자용 특수장비와 전문 의료진으로 구성된 이송팀은 지난 10년간 약 8,000명의 중증환자를 안전하게 병원 간 이송했습니다. 그 과정에서 SMICU 팀은 실제 이송 현장에서 목표체온치료를 적용할 수 있는지를 검증하고, 치료의 효과와 안전성을 입증하게 됐습니다. 무게 43kg, 높이 90cm에 달하는 체온유지장비를 구급차에 탑재해 운용하며, 장비의 크기나 전력 소모에도 불구하고 병원 밖에서도 목표체온치료를 안정적으로 시행할 수 있음을 밝힌 것입니다.
전 세계적으로도 중증환자의 전문이송 시스템이 제대로 구축된 국가는 많지 않습니다. SMICU와 같이 대형 특수구급차와 전문 의료진, 숙련된 이송 시스템을 갖춘 사례는 더욱 드뭅니다. 이로 인해 병원 밖에서 제공하는 중환자 치료의 효과와 안전성을 과학적으로 입증한 연구도 매우 희소한 편입니다. 하지만 자발순환이 회복된 급성심장정지 환자에서 의식이 돌아오지 않은 경우, 목표체온치료를 반드시 고려해야 합니다. 그 근거를 마련하기 위해 이번 연구를 진행했고 이송 중 치료가 큰 부작용 없이 안전하게 환자의 회복 가능성을 높일 수 있다는 사실을 입증했습니다. 앞으로도 SMICU와 같은 체계가 전국적으로 자리잡을 수 있도록, 병원 밖에서도 중단 없이 고난도 치료가 큰 부작용 없이 안전하게 가능하다는 사실과 필요성을 널리 알리겠습니다.

AI로 완성하는 척수질환 맞춤 진료

공현중 교수 연구팀(서울대학교병원 융합의학과 공현중 교수, 신경외과 김치헌 교수)

• 『BMC 의학 정보학 및 의사 결정(Medical Informatics and Decision Making)』 게재

• 2020

  경추 척수증 환자에서 수술 후 JOA 점수 변화가 장기적 예후와 밀접한 상관관계가 있음을 규명

• 2017

  경추 척수증 수술 후 MRI 상 뱀눈징후(Snake-eye sign)의 예후 예측 지표로서의 유용성을 확인

• 2015

  경추 척수증 환자의 장기적 임상 데이터를 활용한 맞춤형 외래 진료 프로토콜 필요성 제시

‘경추척수증 수술 예후 예측 AI 개발’

경추척수증은 수술로 증상이 호전되더라도 환자마다 회복 속도와 정도가 달라, 장기적인 추적관찰이 필요합니다. 지금까지는 예후가 좋아도 동일한 간격으로 외래를 방문해 병원과 환자 모두에게 부담이었습니다. 이런 현실을 개선하기 위해 신경외과 김치헌 교수님과 연구팀을 구성해 환자의 장기 예후를 정밀하게 예측하는 AI 모델을 개발했습니다.
저희 연구팀은 장기 데이터를 바탕으로 시간의 흐름에 따른 예후 변화를 반영할 수 있도록 LSTM(Long Short-Term Memory) 기반 알고리즘을 도입했습니다. 개발된 예측 모델은 AUROC 0.90를 기록하며 예후가 좋은 환자와 그렇지 않은 환자를 94%의 정확도로 구분할 수 있는 ‘우수한(Exellent)’ 모델로 여겨지고 있습니다. 특히 수술 전후의 JOA 점수(일본정형외과학회점수)를 핵심 변수로 활용해 환자의 회복 경과를 정량적으로 분석할 수 있도록 했습니다. 이는 기존 임상에서 경험적 판단에 의존하던 방식과 비교해 훨씬 명확하고 객관적인 근거를 제공한다는 점에서 의미가 큽니다. 예후가 좋은 환자의 외래 방문 간격을 늘리고, 집중 관리가 필요한 환자에게는 적기에 의료 개입이 가능해졌습니다. 그 결과 병원은 의료 자원을 효율적으로 운영할 수 있고, 환자에게는 시간적· 경제적 부담을 줄인 맞춤형 진료를 제공할 수 있습니다.
이번 연구에서는 BMI, 성별, 연령, MRI상 뱀눈징후(snake-eye sign) 등 다양한 임상 변수가 예후에 영향을 준다는 점도 함께 밝혔습니다. 저희 연구팀은 특히 BMI가 높은 환자에서 예후가 상대적으로 좋지 않다는 결과에 주목해 대사적 요인이 척수 회복에 영향을 미칠 수 있음을 발견하였는데요. 신경외과 의료진의 지난 10여 년간 축적된 선행 연구 성과가 있었기 때문입니다.
향후에는 이번에 개발한 AI 모델을 기반으로, 수술 후 예후 예측과 치료 방침 결정을 지원하는 시스템을 구축할 계획입니다. 실제 임상 현장에서 전향적으로 적용해 그 효과를 검증하고, 모델의 일반적 성능을 확인하며, 더 정밀하고 신뢰할 수 있는 맞춤형 의료 서비스로 발전시킬 수 있을 것으로 기대합니다. 아울러 다양한 임상 데이터를 바탕으로 예측 모델을 지속적으로 개발하고, 이를 EMR(전자의무기록) 시스템에 탑재해 진료의 효율성과 정밀도를 높이는 연구도 함께 이어갈 예정입니다.