소아 및 성인 선천성 심질환에서 심전도 기반 딥러닝을 이용한 좌심실 수축기 기능부전 예측: 미국 다기관 모델링 연구
Mayourian et al.
- 선천성심질환 소아·성인 환자에서 AI-ECG가 LVEF ≤40% 예측에 AUROC 0·95-0·96으로 높은 정확도를 보여, 저비용 선별검사로 현재 기능장애와 미래 악화를 동시에 포착할 수 있음.
- 전체 ECG-심초음파 쌍의 2·7% 미만만 LVEF ≤40%로, 극도로 불균형한 데이터셋에서 AUPRC는 0·25-0·33으로 매우 낮아 실제 양성예측도가 불명확함.
- 현재는 연구단계이며, 단일 중심 외부검증으로는 다양한 선천성심질환 병변과 치료력 차이를 충분히 반영하지 못해 임상도입 전 다기관 전향적 추적 데이터 필요
2024 AHA AI 성명은 심전도 기반 AI의 유망한 연구 사례로 본 논문을 지지하면서도, 현재 임상에 널리 쓸 AI 도구가 적고 다양한 인구에서 전향적 검증이 필요하다는 입장을 유지합니다. 2025 ACC/AHA ACHD 지침은 선천성 심질환 환자의 정기 진료와 위험 평가 감시를 강조하는데, 심전도 AI는 이러한 감시 전략을 보강할 수 있는 저비용 도구로 기여할 가능성이 있습니다.
근거 AHA 심장질환 AI 활용 과학 성명(2024) · 2025 ACC/AHA 성인 선천성 심장병 진료지침
앞으로 필요한 연구 선천성 심질환 환자에서 ECG 기반 AI가 임상 결과(입원, 부정맥 발생, 심부전 악화)를 실제로 개선하는지 확인하려면, 다기관 전향적 무작위 대조 시험이 필요하며 특히 외부 검증 기관을 다수 포함하고 양성 예측도를 높일 수 있는 방안을 검토해야 합니다.
일차적 의견
• 선천성 심질환 환자 49,158명의 124,265개 심전도-심초음파 쌍(중앙값 나이 10.5세)으로 LVEF ≤40% 감지 모델 개발.
• 내부 테스트 AUROC 0.95, 외부 검증 AUROC 0.96; 정상 LVEF 환자 중 AI-ECG 고위험군에서 향후 기능부전 위험 12.1배 증가 (95% CI 8.4–17.3; p<0.0001).
• 외부 검증이 단일 기관에 제한되었으며, AUPRC 값이 낮음 (내부 0.33, 외부 0.25)으로 양성 예측도 제한적.
AI-ECG 알고리즘은 선천성 심질환 환자에서 현재 및 향후 LVSD 위험을 식별하는 강력한 잠재력을 보이며, 임상 감시 효율성을 높일 수 있는 비침습적이고 경제적인 선별 도구를 제공한다.
쉽게 풀어 쓴 해설
- 선천성 심질환 환자의 심전도를 분석한 인공지능이 심장 펌프 약화를 매우 잘 찾아냈어요.
- 지금 정상이어도 AI가 고위험이라고 판정한 환자는 나중에 기능이 떨어질 위험이 12배 컸네요.
- 태어날 때부터 심장 구조가 다른 어린이와 성인 약 5만 명의 심전도와 초음파 검사 12만 개를 가지고 AI 모델을 만들었어요.
- 새로운 데이터로 시험했을 때 정상 심장과 약해진 심장을 구분하는 능력이 매우 높았어요.
- 선천성 심질환이 있는 환자들이 정기 검진에서 이 검사를 활용할 가능성이 있어요.
- 다른 병원이나 다양한 심질환 종류에서 같은 성능을 낼지는 아직 확인이 필요해요.
- 한 병원 자료로만 외부 검증을 했기 때문에 더 많은 기관에서 검사가 필요해요.
- 진료실에서 "이 심전도 AI 결과가 치료 결정을 바꿀 수 있는지" 물어볼 만해요.