완전심장차단 위험도 층화를 위한 인공지능 강화 심전도
Artificial Intelligence-Enhanced Electrocardiography for Complete Heart Block Risk Stratification.
Sau et al.
- AI-ECG 모델이 기존 분지성전도차단 기준보다 완전심장차단 예측에서 현저히 우수하여(AUROC 0.889 vs 0.594) 무증상 고위험군 선별의 새로운 길을 제시함.
- 영국생체은행 코호트에서 완전심장차단 발생이 극히 드물어(50,641명 중 수십 건 추정) 신뢰구간 폭이 크고, 개발 데이터와의 성능 차이가 외적타당성 평가를 어렵게 함.
- 현재로선 고위험군 식별의 연구 도구이며, 맥박조율기 삽입 시기 결정이나 임상 추적관찰 전략에 직접 반영하기 위해서는 전향적 중재 임상시험이 필요함.
2024 AHA 심장질환 AI 활용 성명은 AIRE-CHB의 우수한 성능이 임상 개선으로 이어지려면 크고 다양한 인구에서 전향적 검증이 필수라는 강조와 일치합니다. 2025 PROBAST+AI는 본 연구의 단일 외부 검증, 데이터 누수 확인 부재, 하위집단 공정성 평가 미흡을 비뚤림 위험 측면에서 지적할 준거를 제공합니다.
근거 AHA 심장질환 AI 활용 과학 성명(2024) · 2025 PROBAST+AI 예측모형 품질·비뚤림 위험 평가 도구
앞으로 필요한 연구 다양한 인구·지역의 대규모 임상 데이터에서 AIRE-CHB의 성능을 외부 검증하고, 비포장형 또는 포장형 심전도 기기에서 실시간 위험 층화가 심장박동기 삽입 시점 결정을 개선하는지 평가하는 전향적 무작위 대조 임상시험이 필요합니다.
일차적 의견
• 189,539명 환자의 심전도에서 완전심장차단 발생을 예측하기 위해 residual convolutional neural network 기반 AI-ECG 모델(AIRE-CHB) 개발 및 검증.
• AIRE-CHB는 C-index 0.836 (95% CI, 0.819–0.853), 1년 AUROC 0.889 (95% CI, 0.863–0.916)를 달성했으며, bifascicular block의 AUROC 0.594 (95% CI, 0.567–0.620)를 크게 능가함; 고위험군의 aHR 11.6 (95% CI, 7.62–17.7; p<0.001).
• 외부 검증이 단일 코호트에 제한적이며, 다양한 집단에서의 일반화가능성과 전향적 임상 적용이 아직 확립되지 않음.
AI-ECG는 기존의 bifascicular block 기준보다 완전심장차단 위험도 예측을 현저히 향상시켜 고위험군의 조기 중재를 가능하게 할 수 있으나, 전향적 검증 및 임상 적용 연구가 필요하다.
쉽게 풀어 쓴 해설
- AI 모델이 기존 방법보다 훨씬 잘 예측했어요 (정확도가 약 9할 정도로, 종래 방법의 3배 수준).
- 고위험군으로 분류된 사람은 1년 안에 완전심장차단이 생길 위험이 일반인보다 약 12배 높았어요.
- 19만 명 넘는 성인의 심전도를 인공지능으로 분석해 완전심장차단(심장이 전기 신호를 전달하지 못하는 상태) 발생을 예측하는 모델을 만들었어요.
- 이 모델의 예측 능력이 종래의 심전도 판독법보다 훨씬 우수했는지 확인한 연구죠.
- 심전도 이상이 있지만 아직 증상이 없는 중년 이상 성인에게 도움이 될 수 있어요.
- 아직 실제 진료실에서 쓰이지 않았기 때문에' 지금 당장 이 모델을 받을 수는 없어요.
- 한 곳의 데이터로만 검증했기 때문에 다른 나라나 다른 병원의 환자에게도 같게 작동하는지 알 수 없어요.
- 다음 진료 때 "제 심전도로 완전심장차단 위험을 미리 알 수 있는 새로운 방법이 있느냐"고 물어볼 만해요.