심폐소생술(CPR)이 1분 지연될 때마다 심정지 환자의 생존율은 7~10%씩 감소하며, 반대로 신속히 CPR을 시행하면 생존 가능성은 두 배 가까이 높아진다. 하지만 실제 119 신고 상황에서는 숙련된 수보요원이라 하더라도 약 20~30%의 심정지 사례를 즉시 인지하지 못하는 문제가 발생한다. 신고자가 환자의 상태를 정확히 설명하지 못하거나, 호흡 이상을 정상 호흡으로 오해하는 등 다양한 이유에서다.
연구팀이 개발한 동적 딥러닝 언어모델 'DyLM-OHCA'는 기존 키워드 매칭 방식의 한계를 극복했다. 단순히 '의식', '호흡'과 같은 단일 단어의 존재 유무만 파악하는 것이 아니라, 신고자와 수보요원 간의 실시간 대화 흐름과 문맥을 종합적으로 판단한다. 또, 신고자의 표현, 수보요원의 질문, 대화의 흐름 등 전체적인 대화 맥락을 종합적으로 이해해 심정지 위험도를 실시간으로 평가한다.
연구팀은 서울특별시와 인천·광주광역시의 실제 119 응급 통화 전사 데이터 158,973건을 활용하여 모델을 학습시키고 검증했다. 그 결과 'DyLM-OHCA'는 기존 머신러닝 알고리즘을 압도하는 우수한 예측 성능(AUROC 0.937)을 기록했다. 특히 평균 약 20초(중위값: 19.7초, 평균: 22.3초) 만에 심정지 가능성을 감지할 수 있는 것으로 나타났다. 이는 국제 가이드라인 권고 기준(통화 시작 후 1분 이내 심정지 인지) 보다 훨씬 빠른 수준이다.
본 연구 성과는 헬스케어 과학 및 서비스 분야 국제 학술지인 ‘npj Digital Medicine(Health Care Sciences & Services 분야 저널 188개 중 1위, JCR-IF: 15.1)’ 온라인에 3월 3일 게재됐다.
이번 연구는 고려대 인공지능학과 이창희 교수(교신저자)의 주도하에 고려대 인공지능대학원 석사과정 황민영(공동1저자), 서울특별시 보라매병원 심장혈관흉부외과 최홍재 박사(공동1저자)와 인천소방본부 김현수 소방경, 중앙대학교 AI학과 김준영 교수, 서울성모병원 응급의학과 배우리 교수 등 의료 및 인공지능 전문가들의 긴밀한 융합 연구를 통해 이루어졌다.
본 연구는 과학기술정보통신부와 정보통신기획평가원의 인공지능대학원 인재양성사업, AI스타펠로우십 지원사업, 국가AI연구거점 사업의 지원을 받아 수행됐다.