많은 질병이 그렇지만 코로나19는 걸리는 사람에 따라 쉽게 회복되거나, 반대로 심각한 상황으로 이어져 사망에까지 이르는 등 사례가 다양한 것으로 알려져 있다.

대체로 감염이 돼도 나이가 젊을수록 약하게 지나가거나 증상이 나타나지 않기도 하고, 나이가 많고 지병이 있으면 심각도와 사망 위험이 높은 것으로 집계된다.

마땅한 치료제가 없는 상황에서 많은 이들은 자신이 코로나19에 감염됐을 때 이를 버텨낼지, 아니면 병세가 크게 악화되는 것은 아닌지 불안해한다.

최근 미국 마운트사이나이 의대 연구팀이 코로나19와 임상적으로 관련된 시간 안에서 감염자의 병세가 위중해지거나 사망 가능성을 예측하는 기계 학습 모델을 개발했다.

대규모의 다양한 인구 가운데서 코로나19 환자의 위험 예측에 처음으로 기계 학습을 활용한 이 모델은, 마운트사이나이 병원 임상실무자들은 물론 전 세계의 코로나19 환자 진료와 관리에 도움을 줄 것으로 기대된다.

이 연구는 ‘의학 인터넷 연구 저널’(Journal of Medical Internet Research) 6일 자에 발표됐다.

4000명 이상의 환자 기록 분석

논문 주저자 중 한 사람인 마운트사이나이 아이칸의대 벤저민 글릭스버그(Benjamin Glicksberg) 유전 및 유전체학 조교수는 “뉴욕시에서 코로나19가 처음 발병했을 때 우리는 코로나19가 나타나서 병을 일으키는 과정이 다차원적(heterogeneous)이라는 사실을 알았고, 환자 데이터를 사용해 결과를 예측하는 모델을 구축했다”고 밝혔다.

글릭스버그 교수는 “코로나19가 밀려오는 두 번째 파도의 초기 단계에서 우리는 이전보다 훨씬 잘 준비돼 있다”며, “현재 이 모델이 임상 실무자들의 실제 환자 관리에 어떻게 도움이 되는지를 평가하고 있다”고 설명했다.

연구팀과 마운트사이나이 임상 지능센터(MSCIC, Mount Sinai Clinical Intelligence Center) 의사들은 3월부터 5월까지 마운트사이나이 헬스시스템 산하 5개 병원에 코로나19로 입원한 성인 환자 4000명 이상의 전자 건강기록을 활용한 후향적 연구를 실시했다.

이 연구에서는 먼저 과거의 병력과 동반 질환, 맥박이나 체온, 호흡 같은 생체 신호와 입원 시 실험실 검사 결과를 포함한 코로나19 환자들의 특성을 분석했다.

그리고 이를 통해 다양한 임상 관련 기간 안에서 인공호흡기 삽관이나 사망 같은 중요한 사건을 예측해 환자들이 병원에 입원해 있는 동안의 단기 및 중기 위험을 예상할 수 있었다.

전 세계 의료기관에서 활용 가능한 주요 건강 표지 식별법

연구팀은 이 모델을 사용해 입원 후 3일, 5일, 7일 그리고 10일의 시간 창에서 심각한 상황이나 사망을 예측했다.

가장 심각한 상황을 올바로 표시하고 잘못된 양성(false positives)을 최소화함으로써 전체적으로 작업이 가장 잘 수행된 1주일 지표에서 △급성 신장 손상 △가파른 호흡 △고혈당 △조직 손상이나 질병 상태를 나타내는 젖산탈수소효소(LDH) 상승 등이 위중한 상태를 예측하는 가장 강력한 동인이었다.

사망을 예측할 수 있는 가장 큰 동인은 △고령 △혈중 수치 불균형 △염증 상태를 가리키는 C-반응성 단백질(CRP, C-reactive protein) 수치였다.

신장학 조교수이자 MSCIC 공동 책임자인 기리쉬 나드카니(Girish Nadkarni) 박사는 “환자 치료를 개선하기 위해 기계 학습을 이용한 예측 모델을 만들었다”고 말하고, “더 중요한 것은 급성 치료 예후 가능성을 추정할 수 있는 중요한 건강 표지자 식별 방법을 창안해 전 세계 의료기관들이 의사나 병원 수준에서 치료에 대한 결정을 개선하고 코로나19 환자도 효과적으로 관리할 수 있도록 한 점”이라고 강조했다.