스페인 바르셀로나에서 26일부터 29일까지 개최된 유럽심장학회 연례회의(ESC Congress 2022)에서 심장학의 임상 풍경을 바꿀 최신 기술들이 주목을 받았다.

스마트폰을 사용한 심방세동 검사는 통상적인 검사 대비 치료율을 두 배 이상 높인다는 연구 및 심장기능에 대한 인공지능(AI) 평가가 초음파 진단보다 우수하다는 연구는 향후 신기술의 임상적 활용성이 증가를 예고하는 대목.

특히 ESC는 일상적으로 수집된 의료 데이터는 질병에 대한 더 나은 이해와 새로운 치료법에 대한 발견을 통해 환자의 삶과 복지를 개선할 수 있는 잠재력을 가지고 있다는 점에 착안, 글로벌 디지털헬스 리더들의 연구 프레임워크를 제안하는 등 '미래 기술' 확보에 팔을 걷었다.

ESC 2022에서 나온 최신 의학 기술 동향 및 디지털헬스 연구 프레임워크의 운용 방안을 정리했다.

▲AI 전진 앞으로…초음파 검사자보다 평가 우수

올해 ESC 2022는 AI의 활용성 모색이 주를 이뤘다고 해도 과언이 아닐 정도로 다양한 연구가 쏟아졌다.

심장 기능의 초음파 검사를 받고 있는 환자의 경우 AI에 의한 예비 평가가 초기 초음파 진단보다 우수하다는 연구는 향후 진단의 프로세스를 바꿀 수도 있는 것으로 평가된다.

심장기능평가에 활용되는 좌심실 수축기능(LVEF)의 정확한 평가는 심혈관 질환 진단과 치료 결정에 필수적인데 기존 평가는 종종 관찰자 간 다른 결과를 내놓는다는 문제가 있었다.

EchoNet-Dynamic은 심장 기능을 평가하기 위해 심장 초음파 비디오를 학습한 딥 러닝 알고리즘이며, 이전에 4.1~6.2%의 평균 절대 오차로 LVEF를 평가하는 등 여러 심장 주기에 걸쳐 오류를 최소화하고 일관된 결과를 생성할 수 있다는 잠재력을 보였다.

연구진은 EchoNet-RCT로 명명된 임상을 통해 LVEF에 대한 AI 또는 초음파 진단기 평가를 실제 심장 전문의에 맡겨 정확성을 평가했다.

심장 초음파 검사를 통한 LVEF 결정 프로세스는 보통 초음파 검사자가 환자를 스캔하고 LVEF의 초기 평가를 제공한 다음, 심장 전문의가 최종 보고서를 제공하는 방식으로 이뤄진다.

본 임상은 초음파 검사를 AI 또는 초음파 검사자에 1:1로 무작위로 할당해 심장 전문의가 평가를 검토한 후 LVEF의 최종 보고서를 제공했다.

연구진은 심장 전문의가 AI에 의한 초기 평가를 얼마나 바꿨는지와 초음파 검사자에 의한 초기 평가를 얼마나 바꾸었는지 비교해 정확도를 측정했다.

총 3495개의 흉강 초음파를 대상으로 한 임상 결과 심장 전문의에 의해 결과값이 변한 비율은 AI 그룹에서 16.8%, 초음파 그룹에서 27.2%였다.

인간이 초음파를 검사해 LVEF 결과값을 측정한 것보다 AI가 평가한 값이 심장 전문의를 거친 최종 결과값 도출에서 보다 정확했다는 뜻이다. 특히 추가 조사에서 심장과 전문의는 무엇이 AI가 측정한 자료였는지 알 수 없을 정도로 알고리즘이 고도화된 것으로 알려졌다.

연구 저자인 미국 로스앤젤레스 시더스시나이 기관 소속 오양(Ouyang) 박사는 "AI 알고리즘이 일반적인 진료 프로세스에 개입 가능성이 높다는 것을 배웠다"며 "특정 AI는 초음파 판독 출력의 품질을 향상시킬 뿐 아니라 지루하지만 중요한 작업을 단순화함으로써 의료진의 시간과 노력의 효율성을 높일 수 있다"고 덧붙였다.

▲가이드라인이 놓치는 고위험 대동맥 협착증, AI '쪽집게'

예후가 나쁜 대동맥 협착증과 관련해서도 AI를 활용할 수 있다는 연구가 나왔다.

대동맥 협착증 환자의 약 50%는 증상이 나타난 후 2년 이내에 사망한다. 심장 초음파 검사는 피크 속도, 평균 압력 경사 및 대동맥 판막 영역과 같은 심각도를 평가하기 위해 사용되지만 사망률 위험이 진단 정확도를 넘어선다는 지적이 뒤따랐다.

AI-ENCHANCED AS 임상은 일상적으로 사용되는 초음파 매개 변수를 통해 개발된 AI 알고리즘이 5년 사망률 증가와 관련된 중등도~중증 대동맥 협착 표현형을 식별할 수 있는지 여부를 조사하기 위해 설계됐다.

AI-Decision Support Algorithm(AI-DSA)은 63만명 이상의 환자로부터 100만 건 이상의 심장초음파 자료 및 사망 정보를 가진 호주 국립 초음파 데이터베이스(NEDA)의 데이터를 사용해 학습됐다.

NEDA 데이터를 활용해 연구진은 중등도~중증 대동맥 협착 표현형 환자의 5년 사망률과 심각한 대동맥 협착 위험이 없는 환자의 5년 사망률을 비교했다.

분석 결과 AI-DSA는 17만 9054명 중 중등도~중증의 표현형을 가진 환자 2606명(1.4%)과 심각한 표현형을 가진 4622명(2.5%)을 식별했다. 중증 표현형 환자 중 3566명(77.2%)은 중증 대동맥 협착증의 가이드라인 기준을 충족했다.

5년 사망률은 중등~중증 표현형 환자에서 56.2%, 심각한 표현형 환자에서 67.9%였다. AI-DSA이 식별된 심각한 대동맥 협착증 표현형(2.5%) 중 현행 지침을 충족하는 사람(77%)은 5년 사망률이 69.1%였다. AI-DSA가 식별한 심각한 표현형을 가지고 있지만 현재 지침을 충족하지 않는 추가 모집단의 사망률은 64.4%였다.

즉 지침에 포함되지 않아 대동맥 판막 교체를 하지 않을 경우 사망률이 올라갈 수 있는데 AI-DSA는 64%에 달하는 이런 잠재 사망 위험 환자를 식별한 것.

호주 노트르담대학의 연구 저자인 제프리 스트레인지 교수는 "독자적인 AI 알고리즘은, 종래의 정의에서는 놓쳤을 가능성이 있는 5년 이내에 사망할 위험이 높은 환자를 확인한다"며 "AI 알고리즘은 대동맥 판막 치환에 적합한지 여부를 의사에게 경고하기 위해 임상 실무에서 사용될 수 있다"고 말했다.

AI가 콜레스테롤과 혈압 수준으로 인한 심장 질환의 위험을 예측, 개별 치료 결정을 내리는 데 활용될 수 있다는 연구도 나왔다.

아테롬성 심혈관 질환은 시간이 지남에 따라 서서히 진행되는데 저밀도 콜레스테롤(LDL)과 수축기혈압(SBP)를 낮추면 관련 심혈관 이벤트의 위험이 감소한다.

최근 연구에 따르면 낮은 LDL과 SBP에 대한 평생 피폭량은 LDL과 SBP 감소 대비 심혈관 이벤트 위험의 훨씬 큰 관련성이 있다. 문제는 LDL과 SBP를 조기에 낮추는 것이 심혈관 질환 예방을 크게 개선할 수 있지만 심혈관 이벤트를 방지하기 위한 LDL 및 SBP 감소의 최적 타이밍, 지속 시간 및 강도는 알려져 있지 않다는 점.

영국 캠브리지 대학의 브라이언 페렌스 교수 등이 진행한 연구는 위험 추정 알고리즘(조인트 브리티시 소사이어티, JBS3)을 사용해 치료의 혜택을 받을 수 있는 심장병 발생 가능성이 높은 사람을 확인한 연구로 주목을 받았다.

AI 알고리즘은 LDL과 SBP의 인과적 영향을 포함해 LDL, SBP 또는 둘 다에 대한 평생 노출이 더 높거나 더 낮은 사람 사이의 모든 연령에서 심혈관계 위험을 정확하게 추정했다.

페렌스 교수는 " 현재의 리스크 추정 알고리즘은 LDL과 SBP를 낮추는 이점을 과소평가하기 때문에 LDL과 SBP를 나중에 낮추는 것이 젊은 나이에 낮추는 것보다 더 효과적이고 비용이 적게 든다는 잘못된 결론으로 이어질 수 있다"며 "이러한 알고리즘을 AI로 대체하면 심혈관 질환 예방을 개인화하고 심혈관 예방 투자에 효율화를 이룰 수 있다"고 덧붙였다.

▲스마트폰 심방세동 검사 대중화될까…기존 진단법보다 정확

한편 스마트폰을 활용한 심방세동 검사가 기존 진단법 대비 위험 예측에 정확도가 높다는 새 임상 결과도 공개됐다.

이전 연구에서는 대규모 심방 세동 선별을 위한 스마트 기기의 가능성을 보여 줬지만, 주로 젊은 층을 포함해 참가자들에게 특정 하드웨어를 소유하도록 요구해 한계가 있었다.

eBRAVE-AF 시험은 스마트폰을 소유한 뇌졸중 위험이 있는 노인을 대상으로 한 사이트 없는 무작위 연구다.

평균 연령 65세 총 5551명을 무작위로 할당, 6개월간 디지털 진단(스마트폰 앱+광맥측정기 PPG 센서 사용) 또는 기존 심방세동 진단 기기로 14일 동안 하루에 두 번, 그리고 일주일에 두 번 측정했다.

분석 결과 스마트폰 스크리닝은 2387명 중 33명, 기존 스크리닝은 2136명 참가자 중 12명의 심방 세동을 검출해, 스마트폰 스크리닝이 기존 스크리닝보다 우수했다.

연구 저자인 오스트리아 인스브루크 의대 악셀 바우어 교수는 "이번 임상은 심방세동 검진을 위한 노령 인구에 초점을 맞췄다"며 "스마트폰 스크리닝은 젊은 연구 참가자보다 더 많은 PPG 측정 경향이 있는 나이 든 참가자들에게 좋은 반응을 얻었다"고 밝혔다.

▲"미래는 디지털" ESC, 글로벌 디지털 헬스 프레임워크 제안

ESC는 올해 연례회의를 통해 의료 데이터를 사용해 연구의 품질을 개선하고 그 결과를 임상 의사 결정 지원에 사용하기 위한 프레임워크를 제안했다.

프레임워크에는 환자 및 환자단체, 규제 기관, 정부 기관 및 주요 의학 저널과 전문 협회, 학술 기관, 제약산업 및 보험자가 포함됐다. 참가자들은 의료 데이터를 질병 전반에 걸쳐 연구에 적용할 수 있는 방법에 대한 실용적인 조언을 개발하기 위해 모였다.

프레임워크는 연구자들에게 적절한 거버넌스와 연구 데이터 투명성을 달성하는 방법에 대한 단계별 지침을 제공한다는 방침이다.

프레임워크는 ▲데이터 세트 구성 및 연결 ▲목적에 적합한 데이터 ▲질병 결과 및 정의 ▲데이터 분석 ▲윤리 및 거버넌스 5개 항목에 대해 표준 지침을 제공하게 된다.

데이터 세트 구성 및 연결 항목은 연구에 사용된 의료 데이터의 출처, 완전성을 명확히 하고 목적에 적합한 데이터 항목은 사용된 코딩 시스템, 데이터 조작 및 데이터 품질 평가에 대한 세부 정보를 제공한다.

의료 데이터에 기반한 과학은 전자의료 기록 시스템의 보급을 포함해 급속도로 발전하고 있지만 데이터 품질 확보나 개인 정보 보호 등에 대해선 한계가 있었다는 게 학회 측 판단.

즉 ESC는 국제적인 프레임워크를 통해 임상 연구를 위한 의료 데이터를 효과적으로 사용할 수 있도록 하며, 더 나은 연구 설계 방법에 대한 지침을 제공한다는 방침이다.

네덜란드 위트레흐트 대학 의료센터 아셀버그스 교수는 "실제 임상 데이터를 사용은 임상 증거 생성의 새로운 시대를 열고 있다"며 "이번 프레임워크는 데이터 공유에 대한 대중의 우려를 해소하고 다양한 이해관계자가 실제 의료 데이터를 사용해 임상 치료를 개선할 수 있도록 하기 위해 구성됐다"고 설명했다.