‘애널리틱스와 머신러닝,클라우드 활용해 투석 합병증을 예측’··· 독일 프레제니우스의 혁신 여정

프레제니우스 메디컬 케어가 머신러닝과 클라우드 컴퓨팅을 사용하여 신장 투석 환자가 합병증을 겪을 수 있는 시기를 사전에 식별하는 예측 모델을 개발했다. 이번 성공을 바탕으로 이 기관은 머신러닝 및 애널리틱스 혁신을 가속화하고 있다.



혈액 투석은 신부전으로 고통받는 환자들에게 생명을 구할 수 있는 치료법이다. 신장 투석이라고도 불리는 이 시술은 환자의 혈액을 정화하여 신장의 기능을 대신한다. 그러나 위험이 없는 것은 아니다. 신장 투석 서비스를 전문으로 제공하는 독일 의료 기업 프레제니우스 메디컬 케어(Fresenius Medical Care)는 실시간에 가까운 IoT 데이터와 임상 데이터를 결합하여 이 시술과 관련된 흔한 합병증 중 하나를 예측하고 있다.

프레제니우스는 전 세계에 걸쳐 4,000곳 이상의 외래 투석 센터 네트워크를 운영한다. 주로 말기 신장 질환(ESRD) 환자를 치료하고 있다. 이 환자들은 평생 일주일에 세 번 투석을 받아야 한다. 문제는 혈액 투석 치료의 약 10%에서 투석 내 저혈압(IDH) 문제가 발생한다는 것이다.

프레제니우스 북미와 베스 이스라엘 메디컬 센터의 합작 투자 회사인 신장 연구소의 전산 통계 및 인공지능 책임자인 한지에 장은 "IDH는 투석 중 환자에게 심각한 즉각적인 위험을 초래할 수 있으므로 의료진의 즉각적인 주의가 필요하다. IDH는 환자의 삶의 질을 떨어뜨리며 이환율 및 사망률과 관련성을 가진다"라고 설명했다.

신장 연구소의 연구 책임자인 피터 코탄코 박사는 "환자의 혈압이 떨어지고 IDH가 발생할 때마다 의료진이 개입해야 하고 병원 운영에 차질이 생길 수 있다"라고 덧붙였다.

2021년 9월, 프레제니우스는 머신러닝과 클라우드 컴퓨팅을 사용하여 15~75분 전에 IDH를 예측할 수 있는 모델을 개발하고자 했다. 이를 통해 진료 시점에 선제적으로 개입하여 환자를 맞춤 치료하려는 의도였다. 이를 위해 팀은 확장성, 품질 및 사전 예방적 모니터링, 정확성이라는 세 가지 주요 과제를 극복해야 했다. '머신러닝 및 클라우드 컴퓨팅 인프라를 이용한 투석 내 저혈압의 실시간 예측'이라는 이름의 이 프로젝트를 통해 프레제니우스 메디컬 케어는 2023 CIO 100 어워드에서 IT 우수상을 수상했다.

데이터 활용을 통한 의료 결과 개선
"혈액 투석 환자의 IDH를 예측하는 작업은 어렵다. IDH 위험에 영향을 미치는 수많은 환자 및 치료 관련 요인이 있기 때문이다"라고 프레제니우스 메디컬 케어 북미의 데이터 및 분석 아키텍처 및 엔지니어링 디렉터인 피트 와그스팩은 전했다. 그는 이어 "실시간에 가까운 예측 및 대응의 필요성을 정의하기 위해 임상, 운영 및 기술 전문가로 구성된 교차 기능 팀을 한데 모을 필요가 있었다"라고 설명했다.

그에 따르면 또 개발된 솔루션이 프레제니우스의 모든 투석 센터로 확장되어야 했는데, 각 센터는 피크 시간대에 10MBps의 치료 데이터를 전송해야 했다. 아울러 투석기 및 의료 센서에서 데이터 생성부터 보고 및 알림까지 10초 이내의 짧은 지연 시간이 필수적이었다. 

이 밖에도 팀이 문제를 발견하고 신속하게 해결할 수 있도록 체계적이고 자동화된 모니터링 및 알림 메커니즘이 필요했다. 기관이 개발한 솔루션은 클라우드워치(CloudWatch) 알림을 사용해 장애나 오류가 발생하면 데이터 운영팀에 알림을 전송하는 방식을 채택했다. 키네시스(Kinesis) 데이터 분석 및 키네시스 데이터 스트림이 데이터 품질 알림을 생성하는 데 사용된다.

와그스팩은 "애자일 접근 방식을 사용하여 6개월 동안 최소한의 실행 가능한 프로토타입을 제공하기 위해 기능의 우선순위를 정했다. 우리의 주요 과제는 실시간 데이터 엔지니어링, 추론, 실시간 모니터링을 확장하여 피크 부하(초당 6,000 개의 메시지, 초당 6만 개의 동시 람다 호출로 19Mbps) 및 하루 종일(매일 5억 개 이상의 메시지 처리, 연중무휴) 서비스 수준 협약을 충족하는 능력이었다"라고 말했다.

프레제니우스의 머신러닝 모델은 신장 내 혈압 측정과 여러 치료 및 환자 수준 변수로 구성된 전자 건강 기록을 사용한다. 연구팀은 693명의 병원 내 혈액 투석 환자의 4만 2,656회 혈액 투석 세션에서 얻은 관찰 데이터를 사용하여 모델을 훈련하고 검증했다. 훈련 코호트에서 모델은 IDH 이벤트 발생 15분에서 75분 전에 IDH 경고를 생성하도록 최적화됐다.

투석 치료의 혁신
와그스팩은 이 프로젝트가 프레제니우스에게 여러모로 새로운 영역이었다고 언급했다. 특히 클라우드에서 의료 정보를 보호하는 방법과 임상 환경에서 AI가 수행할 수 있는 역할을 모색해야 했다는 설명이다.

"품질 개선에 초점을 맞춘 엄밀한 조율, 업무의 완전한 투명성, 조직의 기대에 부응하는 최고의 무결성을 보여줌으로써 모든 이해관계자로부터 완전한 파트너십을 확보해야만 했다”라고 그는 말했다.

그는 성공을 위해 IT 조직이 더욱 민첩해지고, 실패를 빠르게 수용하며, 학습이 가치 있는 결과물이라는 것을 조직 내부에 내재화해야 했다고 말했다.

그는 이와 관련해 "이러한 태도와 기대치의 변화는 하향식과 상향식 모두의 방향으로 이뤄져야 한다. 하향식으로, 변화를 위한 지원과 공간을 제공해야 한다. 애자일 접근 방식에 경험이 있고 매일 매일 행동을 모델링할 수 있는 사람들로부터 상향식으로의 변화도 필요하다. 이러한 변화는 우리가 사용하는 단어, 학습과 진전을 축하하는 방식, 존중하고 지원하는 팀으로부터 비롯된다"라고 밝혔다.

IDH 도구는 아직 미국 식품의약국(FDA)의 평가나 사용 허가를 받지 못했다. 그러나 장에 따르면 IDH 도구는 최근 동료 심사를 거친 최고 권위의 신장 저널에 연구 결과가 등재된 상태다. 장은 예측 이후 적시에 적절한 예방 조치를 취하면 IDH 발생률이 낮아지고 환자 예후가 개선되는지 검증하기 위해서는 추가 임상 연구가 필요하지만, 검증 코호트에서 이 모델의 높은 성능이 유망하다고 자신했다. 

와그스팩은 이 프로젝트가 프레제니우스 메디컬 케어가 진행 중인 디지털 혁신의 또 다른 단계라고 덧붙였다.

그는 "투석 치료 중 IDH를 예측할 수 있는 기회는 우리 회사를 사물 인터넷, 빅데이터 및 인공지능의 세계로 이끄는 몇몇 요소 중 하나다. 이 이니셔티브의 성공을 바탕으로 우리는 최신 데이터 플랫폼에서 새로운 소스에서 테라바이트의 데이터를 수집하는 여정을 지속할 수 있었다. 여기에서 우리는 데이터를 효과적으로 관리하여 이미지 분류 앱, 게놈 연구, 대규모 언어 모델 등을 위한 머신러닝을 비롯한 지속적인 혁신을 가능하게 하는 프로세스와 기술을 고도화하고 있다”라고 말했다. ciokr@idg.co.kr