에이아이트릭스, 결측데이터 ‘임상적의미’ 입증 연구 결과 공개

의료 AI 설계 과정에서 결측치 처리 방법이 갖는 임상적 의미 재조명

에이아이트릭스(AITRICS, 대표 김광준)는 SCIE급 국제학술지 ‘임상의학저널(Journal of Clinical Medicine)’에 발표한 연구에서 환자 상태 악화 예측 시 임상 데이터의 결측치도 중요한 예측 정보로 활용될 수 있음을 입증했다고 18일 밝혔다.

에이아이트릭스가 개발한 AITRICS-VC(바이탈케어)는 환자의 6가지 생체신호와 11가지 혈액검사 결과, 환자 의식 상태, 나이 등 전자의무기록(EMR)을 통해 수집된 총 19가지 데이터를 기반으로 환자의 상태 악화를 예측한다. 바이탈케어는 다양한 데이터를 활용하는 만큼 예측 정확도가 높은 것이 임상적 강점이다.

다만, 전자의무기록(EMR)과 같은 의료 데이터에는 병원별 검사 항목이나 빈도, 의료진의 판단에 따라 결측값(Missing Data)이 흔히 발생한다. 이번 연구는 이러한 현실적인 결측 상황에서 바이탈케어가 어떠한 방식으로 데이터를 보완하고 예측 성능을 유지하는지 검증하기 위해 진행됐다. 특히 데이터의 결측이 의료진 판단을 반영한 의미 있는 정보일 수 있다는 점을 전제하고, AI 모델의 결측치 처리 방식에 따른 예측 성능 차이를 비교 분석했다.

연구 결과, 바이탈케어 자체 AI 모델의 결측치 처리 방식은 예측 정확도(AUROC)가 0.896으로 나타났으며, 평균 대치법(Mean Imputation)과 MICE(Multiple Imputation by Chained Equations) 다중 대체법 알고리즘은 각각 0.885와 0.827로, 바이탈케어 AI 모델보다 낮은 성능을 보였다. 이는 평균 대치법과 MICE 다중 대체법이 결측 데이터 내에 포함된 ‘정보성 존재(Informative Presence)’를 간과해 낮은 예측력을 보인 것으로 분석된다.

이번 연구는 검사가 시행되지 않았다는 행위 자체가 추가 검사가 불필요하다는 의료진의 임상적 판단을 반영하며, 이러한 결측이 중요한 임상 정보를 내포하고 있음을 보여준다.

에이아이트릭스 심태용 CMO(최고의료책임자)는 “본 연구를 통해 의료진이 시행하지 않은 검사 항목을 정상치로 간주하는 결측치 처리 방식이 예측력을 높이는 데 효과적임을 입증했다”며, “AI 모델이 결측치를 단순 누락 데이터가 아닌 임상적 판단의 일부로 인식하고 적절히 처리하는 것이 환자 안전과 의료 효율성 향상에 핵심적”이라고 강조했다.