심방세동 카테터절제술 후 재발 예측을 위한 인공지능 기반 심전도 나이
Park et al.
- 비용 대비 임상 가치가 불명확합니다. 기존 재발 예측 지표(나이, 좌심방 크기)와 비교하여 추가적 예측력을 정량화하지 않았으며, 모델 성능의 환자군 간 편차가 보고되지 않았습니다.
- AI-ECG 나이 갭이 10년이라는 기준점의 설정 근거가 약합니다. 검증 데이터셋의 평균 절대오차로 정의했으나, 절제 환자의 최적 임계값인지 사후 분석으로만 확인했습니다.
- 현장에서 즉시 활용하기는 어렵습니다. 항부정맥제 복용자만 포함되어 약물 효과와 ECG 변화의 인과관계를 구분할 수 없으며, 후향적 단일 센터 검증이 필요합니다.
2024 EHRA·HRS 절제술 합의문은 절제술 적응증과 절차를 다루지만 재발 예측 인자는 다루지 않으며, 본 연구의 AI 기반 ECG 나이 간격이 절제술 후 재발 위험 층화에 추가 가치를 제시합니다. 2025 EHRA·HRS AI 성명은 EP 분야 AI 연구 보고 기준을 제시하는데, 본 연구는 외부 검증이 제한적이고 임상시험 등록 정보가 부족하다는 지적과 부합합니다.
근거 2024 심방세동 절제술 국제 전문가 합의문 · 2025 EHRA·HRS 전기생리 AI 현황 성명(보고 체크리스트)
앞으로 필요한 연구 심방세동 절제술 후 재발 예측에 AI-ECG 나이 간격의 임상 가치를 확립하려면 전향적 무작위 대조 연구에서 다양한 인구집단의 절제술 환자를 등록하고 최소 1년 이상 추적하여 재발 감소 여부를 확인해야 합니다.
일차적 의견
• 심방세동 초회 절제술 환자에서 술전 동율동 심전도로 AI 기반 나이 예측 모델 적용.
• Aged-ECG군(AI-ECG 나이가 실제 나이보다 10년 이상 많음)이 정상 ECG 나이군 대비 AF 재발 위험도 유의하게 증가, 실제 나이 및 좌심방 크기와 무관하게 독립적 연관성.
• 특정 ECG 모델에 한정된 검증; 임상 적용을 위해서는 전향적 연구 필요.
술전 AI-ECG 나이 갭이 절제술 후 AF 재발의 독립적 예측인자로 작용하여 기존 임상 위험인자를 보완한 위험도 층화에 도움이 될 수 있다.
쉽게 풀어 쓴 해설
심방세동(불규칙한 심장 박동)으로 카테터 절제술을 받은 환자 중 누가 다시 재발할까요. 이 연구는 인공지능이 심전도를 분석해 계산한 '심전도 나이'라는 지표가 절제술 후 재발 위험을 미리 알려 줄 수 있는지 확인했어요.
연구팀은 절제술 전에 찍은 심전도를 인공지능으로 분석했어요. 인공지능이 말해 주는 '심전도 나이'와 실제 나이의 차이를 계산한 뒤, 심전도 나이가 실제보다 열 살 이상 많은 그룹과 10년 미만인 그룹을 비교했답니다.
심전도 나이가 많게 나온 사람들은 정상 범위 그룹에 견주어 재발 위험이 뚜렷하게 높았어요. 이런 차이는 두 개의 독립적인 환자 그룹 모두에서 똑같이 나타났어요. 흥미로운 점은 실제 나이가 많아도, 심장 왼쪽 방이 커도 이 차이가 유지되었다는 것이에요. 즉, 심전도 나이가 따로 작동하는 신호라는 뜻이죠.
이 연구에 포함된 사람들은 모두 처음으로 심방세동 절제술을 받는 분들이었어요. 모두 절제술 전에 부정맥약을 먹고 있었답니다. 연구팀은 절제술 전 심전도만 사용했으므로, 절제술 후의 추가 치료는 결과에 영향을 주지 않았어요.
이 결과는 처음으로 절제술을 받는 심방세동 환자에게 해당돼요. 절제술 전 검사 때 심전도 나이가 열 살 이상 많게 나왔다면, 절제술 후 더 자주 재발 여부를 확인하거나 약물 치료를 더 세심하게 계획하는 것이 도움될 수 있죠.
다만 이 지표만으로 절제술을 할지 말지를 정할 수는 없어요. 여전히 각 사람의 증상, 다른 건강 문제, 약물 반응 등을 모두 함께 살펴야 합니다. 절제술을 계획 중이라면, 의료진에게 자신의 심전도 나이가 어떻게 나왔는지, 그것이 절제술 후 더 집중적인 관찰이 필요한지 함께 짚어 볼 만해요.