[메디게이트뉴스 박도영 기자] "인공지능(AI)에 일정한 자금을 투자하면 조기경보시스템(Early Warning Score, EWS)으로부터 이득을 얻을 수 있습니다. 현재 상태에 대해 빠르게 감지하고 신속하게 치료할 수 있다는 점에서 전체 시나리오의 80%는 비용 효과적인 것으로 나왔습니다. 투자 자금 회수 측면에서도 효과가 있다는 것입니다. AI를 이용하면 도달할 수 있는 상황이 이전과 달라질 수 있습니다. AI 기반 조기경보시스템 도입을 통해 나쁜 상황을 예방할 수 있고 의료 서비스를 제공하는 사람들과 환자 모두에게 도움될 것입니다."

조기경보점수(National Early Warning Score, NEWS) 개발 공동 연구원이자 싱가포르 국립병원 우드랜즈 병원(Woodlands Health) 내과 전문의인 크리스 슈비(Chris Subbe) 교수가 의료 AI 기업 뷰노가 개최한 글로벌 환자 안전 서밋(Global Patient Safety Summit 2026)에서 'EWS에서 AI까지: 환자 상태 악화 감지를 위한 신뢰할 수 있는 안전 시스템의 보건경제학적 영향(The Health Economic Impact of Early Warning Scores to AI: Building Reliable Safety Systems for Patient Deterioration Detection)'를 주제로 발표했다.

병동 내 환자의 급격한 상태 악화를 조기에 발견하지 못하는 문제는 현대 의료가 직면한 대표적인 구조적 한계로 지적된다. 심정지를 경험한 환자의 약 84%는 발생 이전에 호흡 기능과 전반적인 신체 기능 저하를 보였으며, 이 가운데 66%는 최소 6시간 전부터 이미 임상적 악화 징후가 관찰됐다. 그럼에도 중환자실(ICU) 입실 전 환자의 54%는 하위 표준 수준의 케어를 받았고, 39%는 ICU 전원이 지나치게 지연된 것으로 나타났다. 이러한 관리 실패는 실제 사망률과도 직결돼, 사전 관리 수준이 ‘나쁨(Bad)’으로 평가된 환자의 병원 내 사망률은 56%로 ‘좋음(Good)’으로 평가된 환자군의 사망률(35%)보다 높았다.

슈비 교수는 "ICU에 입원한 환자 100명을 대상으로 ICU 입원 전 상태에 대해 분석한 결과, ICU 이전 치료가 양호하다고 판단된 경우 사망률은 25%였지만, 불충분하고 판단된 경우는 48%였다. 체계적 문헌 고찰에서 ICU 입원까지 지연되는 시간이 길어질 수록 사망률이 증가하는 것으로 확인됐다"면서 "우리 연구팀은 이를 예방하기 위해 어떤 조치가 필요한지 설명하는 모델을 제시했다"고 말했다.

이 모델은 MEWS, NEWS와 같은 점수 기반 ‘Track & Trigger 시스템’, 즉 조기경보시스템이다. 환자 상태 악화를 체계적으로 감지하는 시스템으로, 병원 내 신속대응체계(RRS)와 결합해 심정지 및 병원 사망률 감소라는 임상적 효과를 입증해 왔다.

슈비 교수는 "1990년대 후반과 2000년대 초반 국립 중환자실 감사 연구 센터(National Intensive Care Audited Research Center)의 데이터를 살펴봤을 때 도입 전후를 비교해 보면, ICU 입원이 필요한 심정지 환자 수가 감소했고 환자의 중증도가 감소했으며, 야간 응급 상황이 줄고 치료 결과가 개선되는 추세"라면서 "메타 분석에서 병원 내 예상치 못한 사망률이 50% 감소한 것으로 입증됐다"고 설명했다.

그러나 이러한 시스템은 의료진의 지속적인 관찰과 판단에 크게 의존하는 구조로, 인력 부족과 재정적 제약이 심화되는 현실 속에서 장기적인 지속 가능성에 한계를 보이고 있다. 슈비 교수는 "현재 직면하고 있는 도전과제는 어떻게 효과를 측정할 것인지, 수학적 접근을 어떻게 더 개선할 수 있을지, 개선할 자원이 충분한지에 있다"고 했다.

자동 알림 시스템, 심정지와 사망 감소 등 주요 환자 중심 임상 지표 유의하게 개선시켜

최근에는 이러한 한계를 보완하기 위한 대안으로 AI 기반 조기경보 기술이 주목받고 있다. 최근 연구된 AI 모델들은 AUROC(Area Under ROC) 0.78~0.94 수준의 높은 예측 정확도를 보이며, 24시간 이내 사망 또는 예기치 못한 ICU 입실 위험을 비교적 정확하게 예측하는 것으로 보고되고 있다. 

이러한 흐름 속에서 영국 정부는 2025년을 전후로 8260만 파운드 규모의 의료 AI 투자 정책의 일환으로 AI 기반 EWS를 국가 차원에서 도입·확산하고 있으며, 2025년 6월에는 세계 최초의 AI 환자 안전 경고 시스템을 공식 발표했다. 해당 시스템은 국민건강서비스(NHS) 전반에 적용 가능한 구조로, 병원 내 위험 신호를 자동 분석해 의료진에게 사전 경보를 제공하는 것을 목표로 하고 있다.

자동화된 EWS의 실제 효과는 임상연구를 통해 구체적으로 확인됐다. 해당 연구는 기존 MEWS/NEWS 체계에 무선 센서, 자동 알림, 중앙 모니터링 기능을 결합한 기술적 업그레이드 시스템을 일반병동에 적용해, 조기 악화 대응의 임상적·경제적 효과를 평가한 연구다. AI 기반 예측 모델은 아니지만, 자동화된 조기경보시스템이 임상 현장에서 어떤 변화를 만들어내는지를 대규모 환자 데이터를 통해 검증했다는 점에서 의의가 있다. 

슈비 교수는 영국의 한 지역 종합병원 내 두 개 일반병동을 대상으로, 전자 기반 자동 활력징후 모니터링·알림 시스템 도입 전후를 비교한 연구 결과를 소개했다. 이 연구에서는 비정상적인 활력징후를 자동 분석해 신속대응팀(RRT)에 전달하는 시스템의 임상적 효과를 평가했다.

그 결과 심정지와 사망 감소를 포함한 주요 환자 중심 임상 지표를 유의하게 개선하는 것으로 확인됐다. 신속대응팀(RRT) 호출 건수는 405건에서 524건으로 증가했고, 심정지(14건에서 2건)와 사망자 수(173명에서 147명)가 감소했다. ICU로 이동한 환자의 중증도(평균 APACHE II 점수 26점 vs. 18점) 및 ICU 사망률(45%에서 24%)이 감소하면서 ICU 성과도 개선됐다.
 
의료 현장 과제는 기술 유무 아닌 제한된 재정과 자원 속에서 어떤 시스템 선택할지에 달려

이를 바탕으로 수행된 후속 연구에서는 앞선 연구에서 도출된 임상 데이터를 활용해 자동 알림 시스템 도입군과 표준 진료군을 비교하고, 시스템 도입이 의료비와 건강 성과에 미치는 영향을 장기적 관점에서 분석했다.

연구 결과 1회 입원을 기준으로 한 단기 비용 효과성 측면에서 EWS 운영비용이 19.98파운드(표준 진료 장비 비용 1.52파운드) 소요되나 치료 비용 절감으로 의료비는 12.17파운드 줄었다. 장기적으로는 퇴원 후 평생 의료비용이 55.35파운드 감소해 환자 1인당 0.029 QALY 증가(완전히 건강한 상태 약 10일에 해당하는 건강 수명)했다. 이러한 결과를 통해 일반병동에 입원한 성인 환자를 대상으로 한 자동 알림 시스템은 NHS 환경에서 표준 진료 대비 우월한(dominant) 전략으로 평가됐다.

슈비 교수는 "조기경보시스템은 환자 악화에 대한 체계적 대응의 출발점으로, 이러한 시스템이 부재한 환경에서는 신속한 대응 자체가 사실상 불가능한 상황이다. 그러므로 의료 현장의 과제는 기술의 유무가 아니라, 제한된 재정과 자원 속에서 어떤 방식의 시스템을 선택할 것인가에 있다"고 말했다.

이어 그는 "위기 이후 대응을 강화하는 ‘에스컬레이션(Escalation)’ 중심 접근에서 벗어나, 환자가 악화되지 않고 안정화되는 과정을 지속적으로 모니터링하며 불필요한 고강도 치료를 줄이는 ‘디-에스컬레이션(De-escalation)’ 중심 관리로의 패러다임 전환이 필요한 시점이다. EWS가 단순한 경고 장치를 넘어, 의료진의 의사결정과 환자 안전 문화를 근본적으로 변화시키는 기반이어야 한다"고 덧붙였다.