

VUNO 팀에게 언제든지 연락주세요.
VUNO 의료 AI 제품을 도입한 국내외 의료 기관의 실제 임상 사례를 확인하세요.
DeepCARS 최초의 전향적 대규모 중재 연구에서 DeepCARS 중재군의 심정지 발생률이 대조군에 비해 46% 낮고, 전체 사망률도 35% 낮게 나타났습니다. 연구는 총 36,797명을 대상으로 1년간 진행했으며, DeepCARS 중재군은 알람 후 24시간 이내 임상 재평가 또는 치료를 진행했고, 대조군은 알람 후 추가 대응을 하지 않았습니다.
이 연구를 통해 기존 진료 체계를 유지하며 추가적인 인력 증원 없이도, DeepCARS 알람에 따라 의료진이 적시 대응했을 때 실제 환자 예후가 개선될 수 있음을 확인하였습니다.
다기관 후향 임상 연구 결과, 동일한 민감도에서 평균 알람수(MACPD*)가 기존의 조기경보점수(MEWS)보다 63% 낮게 나타났습니다.
*MACPD = Mean Alarm Counts per Day per 1,000 beds Lee YJ, et al. A multicentre validation study of the deep learning-based early warning score for predicting in-hospital cardiac arrest in patients admitted to general wards. Resuscitation. 2021;163:78-85. https://doi.org/10.1016/j.resuscitation.2021.04.013※ 본 연구는 딥러닝 기반 조기경보점수(DEWS) 연구용 알고리즘을 대상으로 수행된 다기관 후향 연구입니다. DEWS는 2018년 개발된 원 모델에 이완기 혈압, 나이, 활력징후 측정 시각을 변수로 추가한 확장 버전이며, 제시된 결과는 해당 연구 조건에서 관찰된 수치입니다.

다기관 전향 연구에서 일반병동 입원 환자의 24시간 이내 심정지 또는 예기치 않은 중환자실 전실 예측 성능(AUROC*)은 0.869로, 기존 조기경보점수(MEWS**) 0.756 대비 약 15%*** 높게 나타났습니다
*AUROC = 인공지능 모델의 성능을 평가하는 지표로, 1.0은 완벽한 성능을 의미합니다. **MEWS = Modified Early Warning System ***향상률은 논문에 보고된 심정지 또는 예기치 않은 중환자실 전실 예측 AUROC(DeepCARS 0.869, MEWS 0.756)를 기준으로 산출한 상대적 차이입니다. [(0.869-0.756)÷0.756×100≒14.9%] Cho KJ, et al. Prospective, multicenter validation of the deep learning-based cardiac arrest risk management system for predicting in-hospital cardiac arrest or unplanned intensive care unit transfer in patients admitted to general wards. Critical Care. 2023;27:346. https://doi.org/10.1186/s13054-023-04609-0

신속대응팀 미운영 국내 2차병원 세 곳에서 진행한 연구에 따르면 DeepCARS 도입 전후 일반병동 내 원내심정지 발생률이 21%, 원내 사망률은 15% 감소한 것과 연관된 것으로 보고되었습니다.
Kim M, et al. Implementation of an AI-Based Clinical Decision Support System Predicting In-Hospital Cardiac Arrest in General Wards: A Multicenter Staggered-Implementation Study in Secondary Hospitals in Korea. Diagnostics. 2026;16(11):1682. https://doi.org/10.3390/diagnostics16111682※ 본 연구에서 제품은 의료진에게 위험점수를 제공하는 정보 제공형 의사결정 보조 수단으로 사용되었습니다. 도입 전 일반병동 의료진을 대상으로 점수 해석 및 권고 대응 등에 관한 교육이 시행되었으며, 위험점수에 따른 의무적인 대응 프로토콜은 도입되지 않았습니다. 관찰된 결과는 의료진의 임상적 판단과 중재, 기관의 진료환경 등 다양한 요인의 영향을 받았을 수 있습니다.

뷰노는 2026년 2월 7일 서울 여의도에서 글로벌 규모의 환자 안전 심포지엄을 개최하고 '차세대 환자 진료: 인공지능 기반 조기경보시스템의 글로벌 적용(Next-Generation Patient Care: AI-Based EWS Across the Globe)'을 주제로 각국의 AI 기술을 활용한 EWS의 임상 사례를 공유했습니다. 국제 신속대응시스템 학회(International Society for Rapid Response Systems, iSRRS)의 공식 후원을 받아 진행했으며, 각국의 중환자의학 전문의를 비롯해 디지털 헬스 분야 연구자, 정부·공공기관 관계자 및 해외 전문가들이 온·오프라인으로 참석하였습니다.