인공지능 기반 자동 심전도 해석: ECG-GPT의 개발 및 다국가 임상 검증
Khunte et al.
- 저소득 지역 심전도 판독 병목을 해결할 수 있는 AI 모델로, 291만 개 ECG로 학습한 후 410만 개에서 검증해 심방세동·전도장애 진단 정확도 0.80~0.99 범위로 달성했다는 점이 의미 있다.
- 미국 의료기관 데이터 중심 학습이라 인종·의료 환경 편향 위험이 있고, ECG 이미지 형식 다양성 대응 능력과 임상 결과 영향(급성 관상동맥 증후군 조기 진단률, 부정맥 치료 개시 시간 단축 등)을 직접 입증하지 못했다.
- 현재로선 저소득국 1차 선별 도구나 선진국 이중 판독 검증용으로 제한적 도입 수준이며, 최종 임상 판단은 여전히 전문의에게 의존하는 보조 역할이다.
ECG-GPT는 290만 건 대규모 데이터로 학습하고 410만 건에서 외부 검증을 수행하여 2025 STARD-AI 지침의 진단 정확도 연구 보고 요구사항을 충족하며, 2025 EHRA·HRS 성명이 강조하는 외부 검증과 성능 과대평가 방지의 모범 사례를 제시합니다.
근거 2025 EHRA·HRS 전기생리 AI 현황 성명(보고 체크리스트) · 2025 STARD-AI 진단 정확도 연구 보고 지침
앞으로 필요한 연구 ECG-GPT의 임상 효용성 입증을 위해 자동 해석이 의료진의 진단 시간 단축과 환자 결과 개선으로 이어지는지 확인하는 전향적 임상시험이 필요합니다.
일차적 의견
• 미국 의료시스템의 290만 건 12-lead ECG (2000–2022)로 학습한 vision encoder-decoder 모델로 자동 진단 해석 생성.
• 26개 label에서 진단 정확도 0.93–0.99; rhythm 검출 AUROC 0.80–0.95 (심방세동, PAC, PVC); 전도 이상 AUROC 0.88–0.96 (LBBB, RBBB, fascicular block).
• 7개 기관(미국, 브라질, 영국, 독일, 미주리) 외부 검증, 410만 건 ECG; 전문가 진단과의 중앙값 유사도 0.90 vs baseline.
ECG-GPT는 다양한 글로벌 의료 환경에서 전문가 수준의 정확도로 자동 심전도 해석을 제공하므로, 의료 자원 부족 지역의 진단 병목 해결에 기여할 수 있다.
쉽게 풀어 쓴 해설
- AI가 제시한 진단이 전문의 해석과 90% 가까이 일치했어요.
- 심방세동, 전도 차단 같은 흔한 문제들을 찾아내는 정확도는 매우 높았어요.
- 미국 의료기관의 290만 건 심전도 사진으로 AI를 학습시켰어요.
- 미국, 브라질, 영국, 독일 등 7개 기관의 410만 건 심전도에서 성능을 확인했어요.
- 정기 검진이나 외래 진료에서 심전도를 찍는 성인이라면 적용 가능해요.
- 매우 드문 부정맥이나 복잡한 심장 질환은 아직 충분히 검증되지 않았을 수 있어요.
- 실제 진료 현장에서 의사가 이 AI를 쓸 때 환자의 치료 결과가 나아질지는 아직 몰라요.
- 다음 진료 때 "이 AI 진단이 내 심전도 해석에 도움이 될까요" 하고 물어볼 만해요.