코로나19 격리입원 환자, 섬망 발생 예측 머신러닝 모델 개발입원초기 섬망 고위험군 선별, 개별적 위험인자 확인·조절 가능 요인도 제안
|
【후생신보】 코로나19로 격리 입원한 환자에서 초기 섬망 발생을 예측하는 기계학습 모델이 개발됐다.
분당서울대병원 정신건강의학과 박혜연 교수팀은 코로나19로 격리 입원한 환자들에게서 초기에 섬망 발생을 예측하는 기계학습(머신러닝) 모델을 구축했다고 밝혔다.
박 교수팀은 4개 병원에 코로나19로 격리입원한 878명의 복용약물, 기저질환, 영상·혈액 검사 등 93가지 섬망 요인을 활용해 코로나19 격리입원 환자의 섬망 발생을 예측하는 모델을 개발하는 연구를 수행했다.
연구 결과, ▲입원 초기 생체신호 ▲투약한 약물 ▲혈액검사 결과 등 코로나19 환자의 임상정보를 입력하면 빠르고 정확하게 섬망 발생률 및 환자별 위험 인자를 확인할 수 있는 머신러닝 모델을 개발하는 데 성공했다.
이 모델의 섬망 발생 예측 정확도는 87.3%로 코로나19로 격리입원한 환자들에게서 입원 초기에 섬망 고위험군을 선별하는 데 효과적으로 활용될 것으로 전망된다.
또한 단순 예측을 넘어 환자의 개별적 위험인자를 확인하고 약물을 비롯해 조절 및 중재 가능한 요인들이 무엇인지 제안해주는 기능도 있다.
연구 결과에 따르면 코로나19 환자의 섬망 발생 위험을 높이는 주요 인자는 9개가 있으며 이 중에서 약물(항정신병, 항생제, 진정제, 해열제), 기계적 환기(인공호흡), 혈중 나트륨 감소가 특히 위험한데, 머신러닝이 이러한 지표에 이상이 있을 경우 경고해주는 식이다.
박혜연 교수는 “섬망은 코로나19 등 급성 감염병으로 인한 격리 환자에게서도 잘 나타나고 이는 의학적 경과악화, 낙상 등으로 격리입원 기간을 연장시킨다”며 “이번 예측 모델을 활용한다면 환자별 위험요소를 사전에 파악하고 약물을 조절할 수 있어 섬망 발생을 최소화할 수 있을 것”이라고 밝혔다.
또한 그는 “머신러닝 모델이 실제 임상 현장에서 활용될 수 있도록 검증 연구를 수행할 예정”이라고 밝혔다.
박 교수팀의 연구는 보건복지부의 ‘환자중심 의료기술 최적화 연구사업’의 지원으로 진행됐으며 SCIE 국제학술지인 ‘디지털 헬스(Digital Health)’에 게재됐다.
한편 섬망은 주의력, 언어 구사능력 등 인지 기능 장애와 동시에 수면장애, 환시 및 환청, 과다행동이나 불안증 등 정신병적 증상을 보이는 질환이다.
최소 수개월에 걸쳐 증상이 발생하는 퇴행성 치매와는 달리 단기간에 갑작스럽게 발생한다는 특징이 있다. 효과적인 치료제가 없어 미리 예측해 조기에 위험요인을 조절해 예방하는 것이 중요하다.
이러한 섬망은 전체 병원 입원 환자의 10~15%가 경험할 정도로 비교적 흔하게 나타난다. 섬망은 입원 환자의 의학적 경과를 악화시키고 낙상 등을 유발해 격리입원 기간을 연장시키는데 최근까지 재유행이 이어지고 있는 코로나19 환자에서 이 비율이 크게 높아 문제가 되고 있다.
최근 연구에 따르면 코로나19 중증 환자의 섬망 비율은 55%에서 70%에 이르며, 이 중 약 30%가 수개월 이상 섬망을 경험하는 것으로 보고되고 있다.
|
|||
|
|||
기사 내용과 관련이 없는 글, 욕설을 사용하는 등 타인의 명예를 훼손하는 글은 관리자에 의해 예고 없이 임의 삭제될 수 있으므로 주의하시기 바랍니다. |