위험 예측부터 원인 추정까지 4가지 에이전트 구현으로 안전성 높여
김다희 간호사 “현장에서 안전하게 쓸 수 있는 임상 AI 지속 연구”

서울대병원 등 국내 주요 대학·병원 연구진으로 구성된 다학제 연구팀이 실제 임상 데이터를 활용해 중환자실 간기능 이상을 예측하는 AI 에이전트를 개발하여 ‘코리아 클리니컬 데이터톤 2026’에서 우수상을 수상했다.
출처 : 간호사신문(https://www.nursenews.co.kr)

서울대병원 등 국내 주요 대학·병원 연구진으로 구성된 다학제 연구팀이 실제 임상 데이터를 활용해 중환자실 간기능 이상을 예측하는 AI 에이전트를 개발하여 ‘코리아 클리니컬 데이터톤 2026’에서 우수상을 수상했다.
국내 주요 대학병원과 대학 연구진으로 구성된 다학제 연구팀이 실제 임상 데이터를 활용해 의료 현장의 난제를 해결하는 인공지능(AI) 경진대회에서 우수상을 수상했다.

서울대학교병원·서울대학교 간호대학·고려대학교·서울아산병원 연구진으로 구성된 ‘7팀’은 지난 10월 16일부터 18일까지 서울대학교 평창캠퍼스에서 열린 ‘코리아 클리니컬 데이터톤 2026(Korea Clinical Datathon 2026)’에서 우수상(Excellence Prize)을 수상했다고 밝혔다.

‘코리아 클리니컬 데이터톤’은 실제 임상 빅데이터를 활용해 의료 현장의 문제를 해결하는 의료 인공지능 경진대회다. 서울대학교병원 국가전략기술특화연구소(NSTRI)와 헬스케어AI연구원, 미국 MIT LCP, 서울대학교 보라매병원, 서울아산병원 등이 공동 주최·주관한 이번 대회는 ‘에이전틱 AI: 빛과 그림자(Agentic AI: Light and Shadow)’를 주제로 열렸다. 6명씩 구성된 10개 팀 60명이 참가해 국내 다기관 중환자실 데이터(K-MIMIC)와 미국 MIMIC-IV 등 6종 이상의 임상 데이터를 바탕으로 의료 AI 에이전트를 개발하며 성능과 한계 극복 방안을 겨뤘다.

중환자실 간기능 이상 예측하는 4가지 AI 에이전트 개발

연구팀은 중환자실 환자 7명 중 1명꼴로 발생하는 간기능 이상 문제에 주목해 하루 한 번뿐인 기존 검사와 지연되는 결과 보고로 인해 당직 의료진이 미세한 상태 변화를 적시에 파악하기 어렵다는 점을 해결하고자 4가지 핵심 질문을 담당하는 AI 에이전트를 구현했다. 이 AI는 24시간 내 간수치 급상승 위험 예측, 6~24시간 뒤 수치 변화 범위 예측, 간수치 상승의 후보 원인 추정, 그리고 회복 여부와 중환자실 사망을 조합한 4가지 예후 경로 예측을 수행하여 의료진의 신속한 대처를 돕는다.

모델 개발에는 미국 MIMIC-IV 중환자 6만2626명의 데이터가 활용됐다. 특히 연구팀은 모델을 재학습하지 않은 채 한국 K-MIMIC 자료를 동일한 형식으로 변환해 그대로 적용하는 엄격한 외부 검증을 거쳤다. 한국 1개 병원 5000명 표본으로 검증한 결과 조기 예측 AUROC는 0.82, ICU 사망 예측 AUROC는 0.78의 우수한 성능을 기록했다.

나아가 대회 주제인 ‘빛과 그림자’에 발맞춰 AI의 한계도 함께 제시했다. 원인 추정 시 확정된 정답이 없고, 모델이 질병 자체보다 진료 빈도 등 의료진의 패턴에 기댈 수 있다는 취약점을 보완하기 위해 근거가 부족할 경우 판단을 보류하고 추가 검사를 제안하도록 설계해 안전성을 높였다.

간호사·임상의·데이터 과학자의 협력 빛났다

이번에 수상한 7팀은 김다희(서울대학교 간호대학 박사과정·서울대학교병원 보스턴코리아 공동연구개발사업단), 정유중(서울대학교병원 소화기내과 전임의), 오서영(서울대학교병원 연구원), 정인용(고려대학교 의과대학 지능형의료데이터연구실 데이터사이언티스트), 박수빈(서울아산병원 임상데이터 분석가), 박흥진(서울아산병원 연구원) 등 간호학 연구자, 임상의, 데이터 과학자 등 6명으로 구성됐다. 데이터 정의부터 외부 검증에 이르는 전 과정을 다학제적 협력으로 완수해 높은 평가를 받았다.

대표 소감을 전한 김다희 간호사는 “중환자실에서 환자의 작은 변화를 가장 먼저 마주하는 사람은 곁을 지키는 간호사”라며 “이번 연구는 AI가 위험만 알려주는 데 그치지 않고 근거와 불확실성을 함께 보여주며 모를 때는 판단을 보류하도록 설계하는 데 집중했다”고 소감을 밝혔다.

이어 “임상의, 데이터 과학자, 간호학 연구자가 각자의 시선으로 같은 문제를 들여다본 덕분에 가능한 결과였다”며 “아이디어를 현실화해 준 팀원들께 감사드리며, 이번 경험을 바탕으로 간호 현장에서 안전하게 쓸 수 있는 임상 AI 연구를 계속 이어가겠다”고 포부를 밝혔다.

출처 : 간호사신문(https://www.nursenews.co.kr)