인공지능 모델 AUROC 0.93 높은 정확도…적절한 통증 치료·관리 가능 
분당서울대병원 구본욱·박인선 교수팀, kja(대한마취통증의학회지) 발표

얼굴 표정만으로 수술 후 통증 발생을 예측하는 인공지능 모델이 개발됐다. 

구본욱·박인선 교수 연구팀은 통증 시 반사적으로 나타나는 얼굴 표정과 생리적 신호 등을 토대로 수술 후 통증을 빠르고 객관적으로 예측하는 인공지능 모델의 유용성에 관한 연구결과를 SCIE급 국제 학술지인 대한마취통증의학회지(Korean Journal of Anesthesiology) 최근호에 발표했다.

통증은 환자의 건강 상태를 반영하는 중요 정보 중 하나다. 수술 환자의 최대 71%가 수술 후 통증을 겪는 것으로 알려져 있다. 환자의 안전과 빠른 회복을 위해 통증에 관한 적절한 평가와 신속한 대처가 필요하다. 

하지만 통증 정도는 매우 주관적이고, 소아나 정신질환자 등은 스스로의 통증을 표현하기 어려워 통증 유무·강도 등을 정확하게 예측하기 어렵다는 한계가 있다. 

구본욱·박인선 교수 연구팀은 이같은 문제를 해결하기 위해 전신마취 하 위 절제 수술 환자를 대상으로 ▲수술 전 통증이 없는 상태 ▲수술 후 마취회복실 입실 직후 ▲환자가 진통제가 필요한 정도의 통증을 표현했을 때 ▲진통제 투여 후 통증이 경감된 상태에서의 얼굴 표정을 촬영했다. 

아울러 통증 모니터링을 위해 사용하는 진통 통각지수(ANI)와 활력 징후 등 생리적 신호와 환자의 주관적인 통증 강도를 표현하는 숫자통증척도(NRS)를 측정했다. 이후 수집한 데이터를 다양하게 조합해 인공지능 모델을 구축한 뒤 수술 후 통증 강도를 예측할 수 있는지를 검증했다. 

연구 결과, 얼굴 표정 데이터를 학습시킨 인공지능 모델의 수술 후 중증 통증 예측 정확도는 AUROC 0.93으로 가장 높았다. 얼굴 표정과 생리적 신호(진통 통각지수·활력 징후)를 학습한 모델은 AUROC 0.84였다. AUROC는 인공지능 모델의 예측 정확도를 나타내는 성능지표로, 1에 가까울수록 성능이 우수하다. 
 
구본욱 교수(교신저자 )는 "마취회복실에서 빠르고 정확하게 환자의 통증을 평가하는 인공지능을 이용한다면, 적절한 통증 관리 치료를 통해 수술 환자의 회복의 질을 향상에 기여할 수 있을 것으로 기대된다"면서 "이번에 개발한 모델은 수술 후 통증 환자뿐 아니라, 특히 의사소통이 어려운 환자들의 통증 평가에 큰 도움이 될 것"이라고 말했다. 

박인선 교수(제1저자 )는 "이번 연구를 기반으로 의료진이 일일이 환자의 얼굴 표정과 생체 신호를 평가하지 않아도 인공지능을 이용해 많은 환자들의 표정 데이터를 대량으로 처리할 수 있는 시스템을 구축하는 것을 목표로 하고 있다"면서 "이를 통해 통증의 유무뿐만 아니라 통증의 강도를 섬세하게 평가할 수 있게 될 것"이라고 밝혔다. 

송성철 기자 다른기사 보기