현대 의학에서 만성 질환의 진행 경로를 예측하는 일은 여전히 커다란 난제로 남아 있다. 특히 심부전은 진단 환자의 절반이 5년 이내에 사망할 정도로 치명적이지만, 그 악화 시점을 미리 알기는 매우 어려웠다. 이에 매사추세츠 공과대학교(MIT)와 매스 제너럴 브리검(Mass General Brigham), 그리고 하버드 의과대학 연구진은 단순한 진단을 넘어 장기적인 경과를 예측하는 딥러닝 모델인 PULSE-HF를 선보였다.

이 시스템은 심장의 전기적 활동을 기록하는 표준 검사인 심전도(ECG) 데이터를 분석해, 향후 12개월 이내에 환자의 심장 기능이 크게 저하될지 여부를 판단한다. 구체적으로는 심장이 수축할 때 뿜어내는 혈액량의 비율인 좌심실 박출률이 위험 수치인 40% 미만으로 떨어질지 예측하는 방식이다. 이러한 예측 역량 덕분에 의료진은 고위험군 환자를 우선적으로 관리하여 공격적인 후속 조치를 취할 수 있으며, 상태가 안정적인 환자의 불필요한 병원 방문은 줄일 수 있게 되었다.

특히 주목할 만한 돌파구는 전극을 하나만 사용하는 단일 유도 심전도에서도 모델이 뛰어난 성능을 보였다는 점이다. 기존의 10개 전극을 사용하는 12유도 방식보다 데이터 양이 적음에도 불구하고, 완벽한 정확도인 1.0에 근접한 0.87~0.91의 AUROC를 기록했다. 이는 고가의 초음파 장비나 전문 인력이 부족한 의료 취약 지역, 혹은 웨어러블 기기에서도 생명을 살리는 AI 진단 기술이 충분히 활용될 수 있음을 시사한다.

현대 의학에서 만성 질환의 진행 경로를 예측하는 일은 여전히 커다란 난제로 남아 있다. 특히 심부전은 진단 환자의 절반이 5년 이내에 사망할 정도로 치명적이지만, 그 악화 시점을 미리 알기는 매우 어려웠다. 이에 매사추세츠 공과대학교(MIT)와 매스 제너럴 브리검(Mass General Brigham), 그리고 하버드 의과대학 연구진은 단순한 진단을 넘어 장기적인 경과를 예측하는 딥러닝 모델인 PULSE-HF를 선보였다.

이 시스템은 심장의 전기적 활동을 기록하는 표준 검사인 심전도(ECG) 데이터를 분석해, 향후 12개월 이내에 환자의 심장 기능이 크게 저하될지 여부를 판단한다. 구체적으로는 심장이 수축할 때 뿜어내는 혈액량의 비율인 좌심실 박출률이 위험 수치인 40% 미만으로 떨어질지 예측하는 방식이다. 이러한 예측 역량 덕분에 의료진은 고위험군 환자를 우선적으로 관리하여 공격적인 후속 조치를 취할 수 있으며, 상태가 안정적인 환자의 불필요한 병원 방문은 줄일 수 있게 되었다.

특히 주목할 만한 돌파구는 전극을 하나만 사용하는 단일 유도 심전도에서도 모델이 뛰어난 성능을 보였다는 점이다. 기존의 10개 전극을 사용하는 12유도 방식보다 데이터 양이 적음에도 불구하고, 완벽한 정확도인 1.0에 근접한 0.87~0.91의 AUROC를 기록했다. 이는 고가의 초음파 장비나 전문 인력이 부족한 의료 취약 지역, 혹은 웨어러블 기기에서도 생명을 살리는 AI 진단 기술이 충분히 활용될 수 있음을 시사한다.