콘텐츠로 이동

Google Cloud을 사용해 중환자의 패혈증을 예측한 에모리 대학교 연구팀

에모리 대학의 패혈증 예측 엔진은 임상 데이터, 머신러닝, Google Cloud의 확장 가능한 인프라를 통합하여 의료 비용의 추가 부담 없이 실시간 분석을 통해 위중한 환자를 효과적으로 치료할 수 있는 방법을 제공합니다.

감염에 대한 자가면역 반응인 패혈증은 미국 병원에서 치료하는 질병 중 치사율과 치료 비용이 가장 높은 질병 중 하나로 매년 약 750,000명의 환자가 발생합니다. 조기 발견과 예방으로 사망율을 크게 낮추고 비용과 리소스를 현저히 절감할 수 있지만 아직까지 패혈증을 신속하게 진단할 수 있는 확실한 방법은 없습니다. 그 방법을 찾기 위해 에모리 의과대학 의생명 정보학과의 샤밈 네마티 박사와 아시시 샤마 박사가 혁신적인 방식으로 연구를 진행하고 있습니다. 네마티 박사는 에모리 병원 중환자실(ICU) 내 환자 30,000명으로부터 수집하여 익명 처리한 전자 건강 기록을 사용하여, 생명 징후, 환자 인구통계, 실험 결과 등 65개의 관련 변수를 분석하는 AI 엔진을 만들었습니다. 패혈증 예측 엔진은 5분 간격으로 환자의 데이터 스트림을 계속 모니터링함으로써 실시간으로 종합 점수를 산정하여 패혈증이 발병할 가능성을 예측하고 임상의가 평가할 수 있도록 대시보드에 결과를 표시합니다. 조기 발견이 매우 중요하기 때문에 임상의는 항생제 치료가 가장 효과적일 때의 점수와 그 근거를 확인할 수 있습니다.

"TensorFlow 기반 패혈증 예측 알고리즘을 앱으로 변환하고 이를 Google App Engine에서 실행함으로써 배포를 하고 또 그 범위를 확장하는 데 필요한 인프라 요구사항에 대한 걱정 없이 알고리즘 개선에만 집중할 수 있었습니다."

Shamim Nemati, 의생명 정보학과 부교수, 에모리 대학교

중환자 관리 솔루션

예측 엔진에는 수신 및 저장된 데이터 세트, 데이터를 분석하는 AI 알고리즘, 임상의를 위한 프런트 엔드 사용자 인터페이스라는 세 가지 중요한 구성요소가 있습니다. 데이터 입력 및 저장이 특히 복잡합니다. 각 환자의 혈압 및 호흡수와 같은 수십 메가바이트의 고해상도 데이터는 시간 정보와 함께 비공개로 안전하게 보관되며 고위험 상황에서 적시에 결과를 생성할 수 있도록 즉각적으로 처리되어야 합니다. 그런 다음 엔진은 임상의가 한눈에 쉽게 읽을 수 있도록 설계된 대시보드에 패혈증 종합 위험 점수를 표시합니다. 환자가 패혈증에 걸릴 수 있는 임계값에 도달하면 경보 시스템에서 임상의에게 알림을 발송하므로 시간에 쫓기는 의료진들이 보다 신속하게 대응할 수 있습니다.

샤마 박사는 TensorFlow 및 컨테이너화된 마이크로서비스와 같은 통합된 Google Cloud 및 오픈소스 도구를 사용해 Google Cloud에 엔진을 설계했습니다. 그 결과 데이터 입력, 예측 분석, 프런트 엔드 인터페이스에 대한 결과를 거의 즉각적으로 원활하게 실시간으로 모두 처리할 수 있었습니다. Google Cloud에 FHIR(Fast Healthcare Interoperability Resources)을 구축함으로써 네마티 박사와 샤마 박사는 안전하고 신뢰할 수 있는 비공개 플랫폼을 통해 여러 기관으로 예측 엔진을 확장하고 기관 간에 상호운용할 수 있도록 하고 있습니다. 이 플랫폼은 에모리 병원에서 이미 사용 중인 웨어러블 모니터링 기기와 같은 클라우드 기술 기반의 다른 프로젝트와도 통합되고 있습니다.

Google Cloud을 통한 확장

지금까지 에모리 대학의 네마티 박사, 샤마 박사 그리고 그 연구팀은 에모리 중환자실 센터와 협력하여 로컬 서버에 호스팅된 데이터에서 엔진의 유효성을 검사했습니다. 즉 다양한 시간 프레임을 테스트하여 패혈증 발병 4~6시간 전에 85%의 놀라운 정확도로 패혈증을 예측했습니다. 이 프로그램을 확대 배포하기 위해 App Engine으로 전환하게 되었습니다. "TensorFlow 기반 패혈증 예측 알고리즘을 앱으로 변환하고 이를 Google App Engine에서 실행함으로써 배포를 하고 또 그 범위를 확장하는 데 필요한 인프라 요구사항에 대한 걱정 없이 알고리즘 개선에만 집중할 수 있었습니다.”라고 네마티 박사는 말합니다.

예측 엔진이 제대로 작동됨을 확인하였으니 이제 더 많은 환자와 더 많은 임상의를 참여시켜 테스트해 나갈 계획입니다. 또한 성능과 확장성을 향상시키기 위해 알고리즘을 Google Cloud Machine Learning Engine 및 TPU로 포팅하고 환자 데이터의 노출 위험성을 최소화하기 위해 엔드 투 엔드 암호화 기능도 적용하고 있습니다. Google Cloud에 기반한 광범위한 분산 연구를 수행한 결과 이제 연구팀에서는 새로운 질문을 할 수 있게 되었습니다. 정확한 예측을 하거나 치료를 최적화하기 위한 이상적인 시간은 언제부터 언제까지인가? 예측 엔진은 의사가 환자를 치료하는 데 도움이 될 것인가? 각기 다른 지역에서, 다른 워크플로와 문화를 가지고 운영되는 여러 병원 간의 치료에 위험 점수는 어떤 영향을 주는가?

결국 가장 중요한 것은 ICU에서 실제 환자를 치료함에 있어 더 나은 결과를 내는 것이며, 샤마 박사는 이 점을 잘 알고 있습니다. “이 알고리즘이 이렇게 성공적인 이유는 의사가 환자를 위해 의미 있는 조치를 취할 수 있는 한정된 범위의 시간 내에 정보를 제공할 수 있기 때문입니다 또한 이 알고리즘은 딥 러닝 블랙박스를 열고 환자가 위험한 상태인 이유를 의사에게 알려줍니다.” 네마티 박사는 “2017년 NEJM 논문에 따르면 패혈증 치료가 1시간 지연될 때마다 환자의 사망 위험이 4%씩 증가하는 것으로 나타났습니다. 그렇다면 이런 식으로 패혈증을 파악하여 적시에 항생제를 투여할 수 있다면 몇 퍼센트의 생명을 구할 수 있을까요? 아직 알 수는 없지만 현재 에모리 대학에서 바로 이러한 테스트를 하고 있으며 이를 일반화할 수 있도록 범위를 확장해야 합니다."라며 동의를 표합니다.

“이 알고리즘이 이렇게 성공적인 이유는 의사가 환자를 위해 의미 있는 조치를 취할 수 있는 한정된 범위의 시간 내에 정보를 제공할 수 있기 때문입니다."

Ashish Sharma, 의생명 정보학과 부교수, 에모리 대학교

여기에서 가입하고 최신 정보, 유용한 정보, 리소스 등을 받아보세요.