분당서울대병원 마취통증의학과 연구진
주관적인 통증을 객관적으로 분석 가능해져
환자의 얼굴 표정 만으로 수술 후 통증을 예측하는 인공지능(AI)이 개발됐다.
분당서울대병원은 구본욱 ·박인선 마취통증의학과 교수팀이 이 같은 AI를 개발해 지금까지 주관적으로만 표현했던 통증을 객관적이고 정확하게 평가할 수 있게 됐다고 17일 밝혔다.
수술 후 환자가 자기 건강상태에 대해 알리려면 먼저 통증을 표현해야 한다. 즉 의료진이 통증에 대해 적절히 평가하고 신속하게 대처해야 한다. 수술 환자의 최대 71%가 수술 후 통증을 겪는 것으로 알려져 있지만 통증의 정도는 환자마다 매우 주관적이다. 게다가 어린 아이나 정신질환자는 자기 통증을 표현하기 어렵다는 한계도 있었다.
연구진은 통증을 느낄 때 얼굴에 반사적으로 나타나는 표정과 생리적 신호 등을 이용해 수술 환자의 통증을 빠르고 객관적으로 예측하는 AI를 개발했다. 전신마취 하에 위 절제 수술을 진행한 환자를 대상으로 ‘수술 전 통증이 없는 상태’, ‘수술 후 마취회복실에 들어간 직후’, ‘환자가 진통제가 필요한 정도의 통증을 표현했을 때’, ‘진통제 투여 후 통증이 경감된 상태’에서의 얼굴 표정을 촬영했다. 이와 함께 통증을 모니터링할 때 사용하는 ‘진통통각지수(ANI)’와 ‘활력 징후’와 같은 생리적 신호와, 환자의 주관적인 통증 강도를 표현하는 ‘숫자통증척도(NRS)’를 측정했다. 이후 수집한 데이터를 다양하게 조합해 AI를 구축하고 수술 후 통증 강도를 예측할 수 있는지 검증했다.
그 결과 얼굴 표정 데이터만을 학습시킨 AI 모델은 예측 정확도(AUROC)가 0.93으로 꽤 높게 나타났다. 이는 얼굴 표정 뿐 아니라 진통통각지수, 활력 징후 등 생리적 신호를 기반으로 한 모델(0.84)보다 훨씬 높은 수치였다. AUROC는 AI 모델의 예측 정확도를 나타내는 성능지표로, 1에 가까울수록 성능이 우수하다는 의미다.
구본욱 교수는 “마취회복실에서 이 AI를 이용하면 적절한 통증 관리 치료를 통해 수술 환자가 회복하는 데 도움이 된다”며 “특히 의사소통이 어려운 환자들을 통증 평가하는 데 유용할 것”이라고 말했다. 박인선 교수는 “이번 연구 결과를 활용하면 의료진이 일일이 환자의 얼굴 표정과 생체 신호를 평가하지 않아도 AI를 이용해 많은 환자들의 표정 데이터를 대량으로 처리할 수 있다”며 “이를 통해 통증의 유무뿐만 아니라 통증의 강도를 섬세하게 평가할 수 있게 됐다”고 밝혔다.
이 연구 결과는 국제 학술지 ‘대한마취통증의학회지’ 1월 4일자에 실렸다.
참고 자료
Korean Journal of Anesthesiology(2024), DOI: https://doi.org/10.4097/kja.23583
주관적인 통증을 객관적으로 분석 가능해져
분당서울대병원은 구본욱 ·박인선 마취통증의학과 교수팀이 이 같은 AI를 개발해 지금까지 주관적으로만 표현했던 통증을 객관적이고 정확하게 평가할 수 있게 됐다고 17일 밝혔다./픽사베이
환자의 얼굴 표정 만으로 수술 후 통증을 예측하는 인공지능(AI)이 개발됐다.
분당서울대병원은 구본욱 ·박인선 마취통증의학과 교수팀이 이 같은 AI를 개발해 지금까지 주관적으로만 표현했던 통증을 객관적이고 정확하게 평가할 수 있게 됐다고 17일 밝혔다.
수술 후 환자가 자기 건강상태에 대해 알리려면 먼저 통증을 표현해야 한다. 즉 의료진이 통증에 대해 적절히 평가하고 신속하게 대처해야 한다. 수술 환자의 최대 71%가 수술 후 통증을 겪는 것으로 알려져 있지만 통증의 정도는 환자마다 매우 주관적이다. 게다가 어린 아이나 정신질환자는 자기 통증을 표현하기 어렵다는 한계도 있었다.
연구진은 통증을 느낄 때 얼굴에 반사적으로 나타나는 표정과 생리적 신호 등을 이용해 수술 환자의 통증을 빠르고 객관적으로 예측하는 AI를 개발했다. 전신마취 하에 위 절제 수술을 진행한 환자를 대상으로 ‘수술 전 통증이 없는 상태’, ‘수술 후 마취회복실에 들어간 직후’, ‘환자가 진통제가 필요한 정도의 통증을 표현했을 때’, ‘진통제 투여 후 통증이 경감된 상태’에서의 얼굴 표정을 촬영했다. 이와 함께 통증을 모니터링할 때 사용하는 ‘진통통각지수(ANI)’와 ‘활력 징후’와 같은 생리적 신호와, 환자의 주관적인 통증 강도를 표현하는 ‘숫자통증척도(NRS)’를 측정했다. 이후 수집한 데이터를 다양하게 조합해 AI를 구축하고 수술 후 통증 강도를 예측할 수 있는지 검증했다.
그 결과 얼굴 표정 데이터만을 학습시킨 AI 모델은 예측 정확도(AUROC)가 0.93으로 꽤 높게 나타났다. 이는 얼굴 표정 뿐 아니라 진통통각지수, 활력 징후 등 생리적 신호를 기반으로 한 모델(0.84)보다 훨씬 높은 수치였다. AUROC는 AI 모델의 예측 정확도를 나타내는 성능지표로, 1에 가까울수록 성능이 우수하다는 의미다.
구본욱 교수는 “마취회복실에서 이 AI를 이용하면 적절한 통증 관리 치료를 통해 수술 환자가 회복하는 데 도움이 된다”며 “특히 의사소통이 어려운 환자들을 통증 평가하는 데 유용할 것”이라고 말했다. 박인선 교수는 “이번 연구 결과를 활용하면 의료진이 일일이 환자의 얼굴 표정과 생체 신호를 평가하지 않아도 AI를 이용해 많은 환자들의 표정 데이터를 대량으로 처리할 수 있다”며 “이를 통해 통증의 유무뿐만 아니라 통증의 강도를 섬세하게 평가할 수 있게 됐다”고 밝혔다.
이 연구 결과는 국제 학술지 ‘대한마취통증의학회지’ 1월 4일자에 실렸다.
참고 자료
Korean Journal of Anesthesiology(2024), DOI: https://doi.org/10.4097/kja.23583
분당서울대병원은 구본욱(왼쪽) ·박인선 마취통증의학과 교수팀이 이 같은 AI를 개발해 지금까지 주관적으로만 표현했던 통증을 객관적이고 정확하게 평가할 수 있게 됐다고 17일 밝혔다./분당서울대병원
