입원 환자 관리의 난제로 꼽히는 '섬망' 위험을 예측하고 조기 진단할 수 있는 인공지능(AI) 모델이 나와 주목된다.

특히 정확도가 84%로 매우 높은데다 실제 임상에 도입 결과 발견율이 4배나 높아지는 우수한 성능을 보이면서 기대감을 높이는 모습이다.

현지시각으로 8일 미국의사협회지(JAMA)에는 섬망 위험을 예측하는 인공지능에 대한 검증 연구 결과가 공개됐다(10.1001/jamanetworkopen.2025.8874).

섬망은 입원 환자들에게 흔히 발생하는 신경정신과적 증후군으로 다양한 내과적, 외과적, 약리학적 요인에 의해 유발된다.

하지만 급성으로 나타나는데다 발생시 이환율, 사망률이 증가하는 것은 물론 기능 저하와 입원 기간 연장 등 장단기 부작용을 불러온다는 점에서 경각심이 높아지고 있는 상황.

이로 인해 의학계에서는 다양한 도구를 통해 섬망의 조기 진단과 예측을 위해 노력하고 있지만 아직까지는 뚜렷한 방법이 없는 것이 사실이다.

마운트 시나이 아이칸 의과대학 조셉 프리드먼(Joseph I. Friedman) 교수가 이끄는 연구진이 이에 대한 머신러닝 기반 인공지능 개발에 나선 배경도 여기에 있다.

만약 섬망 위험을 계층화하고 조기에 개입할 수 있다면 환자의 예후는 물론 의료진의 로딩을 크게 줄일 수 있다는 판단에서다.

이에 따라 연구진은 섬망 증세가 나타난 3만 2284명의 입원 환자의 데이터를 기반으로 머신러닝을 통해 섬망 고위험군과 관련된 패턴을 식별했다.

또한 자연어 처리를 통해 의료진이 작성한 차트에서 나타나는 섬망의 주요 패턴들도 학습시켰다.

그 결과 이 인공지능 모델의 곡선하면적(AQR)은 0.94로 매우 높은 수치를 보였다. 94%의 정확도로 섬망 위험을 감지할 수 있다는 의미다.

모델의 검증을 위해 실제로 임상에 적용한 결과도 매우 뛰어났다.

이 인공지능 모델을 임상에 실제로 투입한 결과 월별 섬망 발견률 중앙값이 과거 4.42%에서 도입 후에는 17.17%로 크게 상승했다.

환자 선별에 소요되는 의료진의 별다른 노력이나 업무없이도 과거에 비해 4배나 섬망 위험을 잡아냈다는 뜻이다.

특히 이러한 정확한 진단과 조기 개입으로 인해 환자에게 처방되는 패턴도 변화가 일어났따.

이 인공지능 모델을 임상에 적용하자 도입 전 2.28%에 달했던 벤조디아제핀 처방률이 0.93%로 줄어든 것. 마찬가지로 올라자핀 처방률도 2.5%에서 1.09%로 낮아지는 효과가 나타났다.

인공지능 도입만으로 불필요한 약물 처방이 크게 줄어든 셈이다.

조셉 프리드먼 교수는 "이 인공지능 모델은 매우 높은 정확도로 섬망 위험을 걸러내면서 월별 섬망 감지율을 4배나 높이며 조기 개입을 가능하게 했다"며 "이렇게 진단된 환자는 진정제 용량을 줄이거나 불필요한 처방을 받지 않으면서 전반적인 치료 효과를 개선할 수 있었다"고 설명했다.

그는 이어 "이를 통해 의료진의 워크플로우 또한 상당히 개선시키는 효과를 가져왔다"며 "인공지능이 임상에 어떻게 적용돼야 하는지를 보여주는 좋은 예"라고 밝혔다.