2026-08-05 논문 다이제스트

심방세동 환자가 뇌졸중을 막기 위해 항응고제를 복용할 때 가장 흔한 부작용은 뇌출혈이 아니라 다른 곳의 출혈이에요. 이번 연구는 5개의 큰 임상시험을 모아서 73,737명의 환자 중 얼마나 많은 사람이 뇌 밖의 출혈을 겪었는지 추적한 것입니다.

약 2년 가까운 기간 동안 추적하면서 나타난 결과는 꽤 높은 수준이었어요. 약 26%의 환자가 임상적으로 의미 있는 출혈을 경험했습니다. 이를 매년 기준으로 환산하면 100명 중 약 7.6명 정도씩 출혈이 생긴다는 뜻이에요.

그 중에서 심각한 대출혈은 7% 정도였고, 경미하면서도 치료가 필요한 출혈은 19% 정도였습니다. 소화기관, 특히 위나 대장에서 나오는 출혈이 전체의 절반 가까이를 차지했고, 경미한 출혈의 경우에는 다른 부위들이 더 많았어요.

연구팀은 뇌졸중을 막기 위한 약물 때문에 나타나는 출혈 위험을 미리 예측할 수 있는지 살펴봤습니다. 나이, 신장 기능, 이전 출혈 경력, 혈소판 수 같은 여러 기준을 조합해서 위험도를 계산했어요.

흥미로운 점은 이 연구에서 의료진이 측정한 여러 위험 요인들이 실제 출혈 위험의 약 66~69%를 설명할 수 있다는 것입니다. 다시 말해, 현재 알려진 위험 요인들로는 약 3분의 1 정도의 출혈 위험이 여전히 설명되지 않는다는 뜻이에요. 아직 의사들이 모르는 다른 원인들이 있다는 의미입니다.

이 연구에 참여한 환자들은 모두 심방세동이 있었고, 뇌졸중 예방을 위해 다비가트란, 리바록산, 아픽사반, 에독삭스 같은 새로운 항응고제나 와파린을 복용하고 있는 사람들입니다.

따라서 이 수치는 유사한 조건의 심방세동 환자에게 가장 잘 들어맞습니다. 다만 개인마다 출혈 위험이 크게 다를 수 있으므로 본인의 상황을 주치의와 상세히 나누는 것이 중요해요.

연구자들은 현재의 예측 모델이 완벽하지 않다는 점을 명시했습니다. 약 3분의 1의 출혈 위험이 아직 설명되지 않는다는 것은 약물 복용 중에도 꾸준한 의료 감시가 필요하다는 의미예요.

특히 피를 토하거나, 검은색 대변을 보거나, 쉽게 멍이 들거나, 비정상적인 출혈이 있다면 바로 병원에 연락해야 합니다. 그리고 새로운 약을 추가로 복용하거나 복용량을 바꿀 때는 반드시 주치의에게 알려야 해요.

본인이 항응고제를 복용 중이라면, 출혈 위험을 줄이기 위해 현재 약물 조합이 최적인지, 정기 검진 간격은 적절한지 의사와 함께 검토해 볼 가치가 있습니다.

※ 연구 내용을 쉽게 풀어 쓴 개요입니다. 개별 진료를 대신하지 않으며, 자세한 것은 주치의와 상의하세요.

심장 판막 질환으로 수술을 받는 사람 중 일부는 수술 후 심방세동이라는 부정맥이 생길 위험이 높아요. 심방세동이 생기면 피가 굳어져 뇌졸중이 생길 수 있습니다. 그래서 심방세동이 없어도 미리 좌심방이라는 작은 주머니를 막으면 뇌졸중을 예방할 수 있을까 하는 생각이 나왔습니다. 이 연구는 중국의 심장 수술 센터 세 곳에서 그 질문에 답하려고 시작했어요.

2,118명의 판막 수술 환자를 두 그룹으로 나눴습니다. 한 그룹은 수술할 때 좌심방이를 막고(1,062명), 다른 그룹은 막지 않았습니다(1,056명). 두 그룹 모두 심방세동이 없었고, 뇌졸중 위험을 나타내는 CHA₂DS₂-VASc 점수가 2점 이상인 사람들이었어요. 평균 나이는 55세 정도로 두 그룹이 거의 같았습니다.

의사들은 1년간 뇌졸중, 일시적 뇌졸중(TIA), 또는 심장 관련 사망이 몇 명에게 생기는지 세었습니다.

좌심방이를 막은 그룹에서는 약 6.9%가 뇌졸중이나 관련 사건을 겪었고, 막지 않은 그룹에서는 8.2%가 겪었습니다. 숫자만 보면 막은 쪽이 조금 나아 보이지만, 통계적으로는 이 차이가 우연으로 생길 가능성을 배제할 수 없었습니다. 신뢰도 95% 신뢰구간이라고 부르는데, 여기서는 0.61부터 1.14까지 1을 포함했거든요. 이는 실제로는 차이가 없을 수도 있다는 뜻입니다.

이 결과는 심방세동이 없는 판막 수술 환자에 대한 것입니다. 이미 심방세동이 있다면 얘기가 다를 수 있어요. 또 이 연구는 중국의 세 센터에서만 진행되었고, 참가자들이 평균 55세로 비교적 젊었다는 점도 기억할 필요가 있습니다.

당신이 판막 수술을 앞두고 있다면, 주치의와 이렇게 물어볼 수 있습니다. "저는 수술 후 심방세동 위험이 얼마나 높은가요?" "그렇다면 좌심방이를 막는 것이 도움이 될까요?" "수술 방식이나 제 나이, 다른 건강 상태를 고려하면 어떻게 하는 게 좋을까요?"

※ 연구 내용을 쉽게 풀어 쓴 개요입니다. 개별 진료를 대신하지 않으며, 자세한 것은 주치의와 상의하세요.

목숨을 위협하는 심실 부정맥(심장의 아래쪽 방실이 위험하게 빠르게 뛰는 증상)은 뚜렷한 이유 없이 사람을 쓰러뜨린다. 현재 쓰는 항부정맥 약들은 효과도 제한적이고, 역설적이게도 새로운 부정맥을 일으키기도 한다. 이 연구는 다른 방향에서 접근했다. 심장에 이미 있는 신경신호 체계, 특히 α4β2 니코틴 수용체라는 단백질에 주목한 것이다.

연구팀은 약물 스크리닝으로 이 수용체를 자극하는 약 후보들을 찾아냈고, 그중 salvage-1이라는 신약을 설계했다. 이 약물은 수용체의 두 지점(Phe312, Phe316)을 목표로 삼아 수용체를 열린 상태로 안정화시킨다. 쥐와 돼지 심장 조직, 그리고 인간의 떼낸 심장 조직 실험에서 salvage-1은 부정맥의 발생을 막았고 정상 맥박을 빠르게 회복시켰다.

약이 듣는 원리가 중요하다. salvage-1은 손상된 심근에서 신호 전달 속도를 개선했고 부정맥의 악순환(재진입)을 억제했다. 동시에 건강한 부분의 심장 전기 활동에는 영향을 주지 않았다. 즉 문제가 있는 곳만 고치고 정상 부분은 놔둔 셈이다.

이것이 기존 약물과 다른 점이다. 여러 심장 약물이 심장 전체의 전기 활동을 억제해서 원치 않는 부작용을 만든다. salvage-1은 신경신호라는 자연스러운 경로를 강화하는 방식이므로, 심장의 원래 자기 조절 능력을 돕는 느낌에 가깝다.

이 연구는 아직 초기 단계다. 동물 모델과 떼낸 조직 실험에서 작동했다는 뜻이지, 실제 환자에게 얼마나 안전하고 효과적인지는 임상 시험을 통해야 알 수 있다. 특정 원인(큰 심근경색, 유전성 부정맥 증후군 등)으로 생기는 부정맥과 원인 불명의 부정맥에서 반응이 다를 가능성도 있다.

당신이나 가족이 반복되는 심실 부정맥으로 약물 치료가 잘 안 먹히는 상황에 있다면, 주치의와 함께 이런 질문을 나눌 만하다.

• 내 부정맥의 원인이 무엇인지 정확히 알 수 있나요?
• 현재 쓰는 약이 충분히 효과적이 아니라면 다른 기전의 약물이나 치료법이 있나요?
• 이런 새로운 약이 임상 시험 단계에 들어가면 고려할 가치가 있을까요?

※ 연구 내용을 쉽게 풀어 쓴 개요입니다. 개별 진료를 대신하지 않으며, 자세한 것은 주치의와 상의하세요.

심전도(ECG)는 심장 질환을 진단하는 가장 기본적인 검사입니다. 하지만 AI로 이를 자동 해석하려면 여러 문제가 있었어요. 기존 AI 모델들은 많은 정확한 진단 데이터로 학습해야 했는데, 이렇게 만든 모델은 다른 병원이나 다른 나라에서는 잘 안 듣는 경우가 많았습니다. 또한 대부분 회사가 비공개로 운영해서 의사들이 검증하기 어려웠어요. 이번 연구는 이런 문제들을 푸는 것을 목표로 했습니다.

연구팀은 두 개의 오픈소스 AI 모델을 만들고 비교했습니다.

DeepECG-SL은 전통적인 방식입니다. 의사가 이미 진단을 내린 심전도 100만 개 이상을 직접 학습시켰어요. 마치 시험 문제와 정답을 외우며 공부하는 것처럼요.

DeepECG-SSL은 새로운 방식입니다. 진단 정보가 없는 심전도도 활용합니다. 처음에는 진단 없이 심전도의 패턴과 특징을 배우고, 나중에 진단 정보로 미세 조정하는 식이에요. 마치 기본기를 다진 후 전문 기술을 배우는 것 같습니다. 이 방식의 장점은 라벨이 붙지 않은 데이터도 쓸 수 있다는 거예요.

두 모델 모두 77가지 심장 질환을 진단할 수 있도록 학습받았습니다. 성능을 재는 지표(AUROC라 불리는데, 1.0에 가까울수록 완벽함)로 보면:

내부 데이터(한 병원의 심전도들): DeepECG-SL이 0.992로 약간 더 나았고, DeepECG-SSL은 0.990이었습니다.

다른 나라 공개 데이터들(영국, 캐나다, 미국 등): DeepECG-SL 0.980, DeepECG-SSL 0.981로 거의 같습니다.

여러 병원의 데이터: 둘 다 0.983으로 동일했습니다.

특히 눈에 띄는 부분은, 데이터가 적은 특수한 진단들에서 DeepECG-SSL이 더 잘했다는 점입니다. 장QT증후군(유전 검사와 비교)은 0.931 대 0.850, 5년 뒤 심방세동 예측은 0.742 대 0.734로 더 정확했어요.

나이와 성별에 따른 진단 차이도 확인했는데, 두 모델 모두 공정하게 작동했습니다.

이 연구는 AI가 심전도를 잘 해석할 수 있다는 것을 보여줍니다. 더 중요한 것은 코드와 모델을 공개했다는 점입니다. 의사들이 검증하고, 각자의 병원에 맞게 조정할 수 있다는 뜻이에요.

다만 한계가 있습니다. 연구는 주로 대규모 데이터베이스로 검증했고, 실제 임상 현장에서의 사용은 아직 더 살펴볼 필요가 있습니다. 또한 AI는 심전도 이상을 찾아주지만, 환자의 증상이나 다른 검사 결과와 함께 종합적으로 판단해야 합니다.

심전도를 받을 때 "이 심전도를 AI로 해석하나요? 그렇다면 최종 진단은 의사가 하나요?"라고 물어볼 수 있습니다. AI는 보조 도구이지, 의사의 판단을 대신하지 않으니까요.

데이터가 많지 않은 희귀 심장 질환을 가진 환자라면, "내 질환 진단에 AI가 얼마나 신뢰할 만한가?"라고 묻는 것도 좋습니다.

또한 여러 병원을 다닐 때는 "심전도 해석 기준이 병원마다 다를까?"라는 질문도 의미 있습니다. 이번 연구가 보여준 것처럼, 좋은 AI 모델은 어디서나 비슷하게 작동할 수 있거든요.

※ 연구 내용을 쉽게 풀어 쓴 개요입니다. 개별 진료를 대신하지 않으며, 자세한 것은 주치의와 상의하세요.

급성 심근경색 환자 중에서 누가 시술(관상동맥 중재술)을 받아야 하는지 판단하는 일은 생각보다 어렵다. 심전도는 때때로 명확한 신호를 주지 않고, 심장 효소 수치도 초기에는 정상일 수 있기 때문이다. 의사들은 여러 정보를 종합해 결정하는데, 이 과정에서 놓치는 환자가 있을 수 있다. 이 연구는 인공지능이 심전도 패턴을 학습해서 시술이 필요한 환자를 더 정확히 골라낼 수 있는지 시험해본 것이다.

연구진은 미국의 14만여 건 응급실 방문 기록으로 깊은 학습 모형(convolutional neural network)을 훈련했다. 모형이 혈관 시술이 필요한 환자를 찾아내는 정확도는 0.91이었는데, 의사가 같은 심전도를 읽었을 때는 0.65 수준에 그쳤다. 혈액 검사(cardiac troponin T)도 0.71로 모형에 미치지 못했다.

유럽의 다른 환자군으로 다시 검증했을 때도 모형의 우수성이 유지됐다. 시술 필요 여부 예측은 0.81, 진정한 심근경색 판별은 0.85 정도의 정확도를 보였다. 의사의 판독은 각각 0.70, 0.74 수준이었다.

이 숫자들은 신뢰도 구간(confidence interval)이라는 범위를 동반하는데, 그것이 좁을수록 결과가 일관되게 나왔다는 뜻이다. 여기서는 대부분 폭이 좁아서 신뢰할 만하다.

다만 흥미로운 점도 있다. 모형은 혈액 검사(고감도 troponin)와 비교할 때 민감도는 낮으면서 특이도는 높았다. 민감도란 진짜 환자를 찾아내는 능력이고, 특이도는 건강한 사람을 정상으로 판정하는 능력이다. 다시 말해 이 모형은 심각한 경우를 빠뜨릴 가능성이 혈액 검사보다 조금 더 높지만, 불필요한 시술을 권할 가능성은 낮다는 의미다.

또한 이 연구는 이미 응급실에 온 환자들만 대상으로 했다. 일반인이 집에서 심전도를 찍고 위험도를 판단할 때 같은 성능을 발휘할지는 알 수 없다. 훈련 데이터에서 실제 시술이 필요했던 경우는 0.6% 정도로 매우 드물었기 때문에, 드문 질병을 찾아내는 모형의 진정한 가치는 임상에서 계속 관찰해야 한다.

• 내가 응급실에 왔을 때, 심전도 결과를 어떻게 해석했고, 추가 검사가 필요한 이유가 뭘까요?
• 심전도와 혈액 검사 중 어느 것을 더 믿는 쪽인가요?
• 만약 이런 인공지능 도구를 쓴다면, 의사의 판단을 대체하는 게 아니라 어떤 식으로 함께 쓸 계획인가요?

※ 연구 내용을 쉽게 풀어 쓴 개요입니다. 개별 진료를 대신하지 않으며, 자세한 것은 주치의와 상의하세요.