[메디게이트뉴스 박민식 기자] 소아 패혈증을 조기에 발견하기 위해서는 의료진이 이미 패혈증을 의심한 뒤에야 작동하는 기존 진료 경로의 한계를 극복해야 한다는 제언이 나왔다. 인공지능(AI)으로 고위험 환자를 선제적으로 찾아내고 정밀진단 기술을 결합해 적절한 치료로 연결하는 것이 다음 과제라는 것이다.
 
퀸즐랜드 소아 폐혈증 프로그램 개발을 이끈 호주 퀸즐랜드대 아담 어윈(Adam D. Irwin) 교수는 9월 19일 뷰노 소아 환자안전 글로벌 심포지엄(Global Patient Safety Summit in Pediatrics)에서 퀸즐랜드의 소아 신속대응시스템(RRS)과 패혈증 조기인지 체계, 향후 AI 적용 계획을 소개했다.
 
어윈 교수는 “지난 15년 동안 자연적으로 호전되는 감염과 중증∙침습성 감염, 생명을 위협할 수 있는 감염을 어떻게 구별할 것인지 연구해왔다”며 소아 패혈증 조기진단의 중요성을 강조했다.
 
30년 넘게 발전한 소아 신속대응시스템…보호자 우려도 조기경보에 반영
 
호주 브리즈번의 로얄 어린이병원(현 퀸즐랜드 어린이병원으로 2014년 개원)은 1994년 소아 신속대응시스템을 도입했다. 2011년에는 연령별 활력징후를 점수화하고 위험도에 따른 대응을 권고하는 소아조기경보도구 CEWT(Children’s Early Warning Tool)를 도입했다. CEWT는 현재 호주 내 100개 이상의 소아 진료 현장에서 사용되고 있다.
 
최근에는 조기경보체계에 보호자의 판단도 반영하고 있다. 퀸즐랜드는 CEWT에 보호자의 우려를 확인하는 ‘PECK(Parental Escalation of Care for Kids)’ 질문을 추가했다. 간호사가 보호자에게 아이의 상태가 더 나빠지고 있다고 걱정하는지를 직접 묻는 방식이다.
 
어윈 교수는 “약 7만건의 소아 응급실 방문 사례를 분석한 연구에서 보호자의 우려는 심박수나 호흡수 등 개별 활력징후보다 중환자실 입원 가능성을 더 강하게 연관된 것으로 나타났다”고 설명했다.
 
어윈 교수가 특히 강조한 문제는 소아 패혈증의 조기 인지다. 그는 “패혈증에 대한 조기인지 방식은 수십 년 동안 크게 바뀌지 않았다”고 지적했다. 의료진이 활력징후를 확인하고 임상적 판단에 따라 치료를 시작한 뒤, 며칠이 걸리는 혈액배양검사 결과를 기다리는 방식이 여전히 기본이라는 것이다.
 
퀸즐랜드주는 이를 개선하기 위해 2019년부터 스크리닝과 조기 인지, 치료 번들, 항생제 지침 등을 포함한 소아 패혈증 진료 경로를 주 전역에 도입했다.
 
진료 경로 도입 전후를 비교한 결과, 패혈성 쇼크로 ICU에 입원한 환자에서 3가지 치료 번들을 60분 이내 시행한 비율은 32%에서 62%로, 60분 이내 항생제 투여 비율은 41%에서 67%로 높아졌다.
 
그러나 패혈증을 조기에 발견하기 위해 치료 대상을 확대하면서 응급실의 항생제 사용량도 증가했다. 또 의료진이 이미 패혈증을 의심해야 진료 경로가 작동한다는 점도 한계로 지적됐다.
 
어윈 교수는 “종이 경로의 경우 의료진이 이미 패혈증을 의심한 뒤에야 그 종이를 찾을 가능성이 높았다”며 “의료진이 패혈증 가능성을 먼저 떠올리도록 유도하는 시스템이 필요했다”고 설명했다.
 
퀸즐랜드는 이를 개선하기 위해 2025년 종이 기반 진료 경로를 전자의무기록(EMR)에 통합했다. 응급실 환자 분류 단계에서 패혈증 가능성에 대한 질문을 제시하고, 답변에 따라 추가 평가와 치료로 이어지도록 한 것이다.
 
다만 어윈 교수는 “이 단계에는 패혈증을 예측하는 분석모델이나 AI가 전혀 없다”며 “패혈증 가능성을 상기시키는 알림과 진료 경로, 상향 의뢰 가이드를 제공하는 수준”이라고 설명했다.
 
패혈증 예측, AI 판별력 넘어 임상적 유용성 강조…정밀진단 통합 모델 제시
 
어윈 교수는 소아 패혈증 조기인지 체계를 발전시킬 세 가지 핵심 기술로 AI 예측과 숙주 전사체(host transcriptomics), 병원체 메타유전체(pathogen metagenomics) 분석을 제시했다. AI로 위험 환자를 조기에 발견하고, 환자의 면역반응과 원인 병원체를 신속히 분석해 적절한 치료로 연결한다는 구상이다.
 
AI를 활용한 패혈증 조기예측은 이미 다양한 임상연구가 진행되고 있다. 어윈 교수가 소개한 성인 약 6만명 대상 클러스터 무작위시험에서는 AI 기반 패혈증 스크리닝 도입 후 90일 사망률이 상대적으로 15% 감소했다. 반면 소아 응급실 4곳에서 시행한 AI 기반 의사결정지원도구 임상시험에서는 임상결과 개선이 확인되지 않았다.
 
퀸즐랜드에서도 성인 환자를 대상으로 EMR을 활용한 패혈증 AI 예측모델을 개발하고 있다. 약 25만건의 입원 데이터를 활용한 검증에서 AUC 0.93으로 높은 판별력을 보였다. AUC는 1에 가까울수록 환자를 잘 구별한다는 의미다. 약 1000만건의 개별 예측을 기준으로 한 평가에서도 AUC 0.82를 기록했다.
 
다만 어윈 교수는 “임상팀이 이미 치료를 시작하고 항생제를 투여한 뒤에야 예측하는 모델이라면 아무 의미가 없다”며 “판별력뿐 아니라 효과성, 효율성, 유용성 사이의 균형을 고려해야 한다”고 강조했다.
 
현재 퀸즐랜드에서는 4개 병원 병동에서 AI 예측도구를 활용한 소규모 클러스터 무작위시험을 진행하고 있다. 어윈 교수는 최근 연구비를 확보해 2027년에는 소아 AI 예측모델을 적용할 시스템을 공동 설계할 예정이라고 밝혔다.
 
소아 패혈증의 다음 단계는 더 빠른 진단검사 하나를 추가하는 것이 아니라, 환자가 악화하기 전에 위험을 포착하고 필요한 검사를 선택해 적절한 치료까지 연결하는 임상지원체계를 만드는 것이다.

나아가 AI로 패혈증 위험이 높은 환자를 조기에 발견하고 첨단 진단기술을 결합해 신속하고 정확한 치료로 연결하는 차세대 임상지원체계도 제시했다.
 
구체적으로 AI가 고위험 환자를 의료진에게 알리면 1시간 내 숙주 전사체 분석으로 환자의 면역반응을 확인하고, 6시간 내 병원체 메타유전체 분석으로 원인 병원체와 항생제 내성 정보를 확보하는 것을 목표로 한다.
 
어윈 교수는 “숙주 전사체와 병원체 메타유전체 같은 첨단 진단기술을 통합해 소아 패혈증의 인지와 관리를 최적화하는 임상지원시스템을 구축하려 한다”고 했다.