(주) 뷰노

press releases

뷰노, 뷰노메드 딥카스™ 최초 전향적 연구 결과 국제학술지에 게재

  • 2023. 09. 13

실사용 데이터(RWD) 활용한 다기관 임상 연구논문 ‘Critical Care’에 개재

상급종합병원 4곳과 협업…기존 연구들과 일관된 우수한 성능 입증

 

 

[2023-09-13] 뷰노의 AI 기반 심정지 예측 의료기기 뷰노메드 딥카스™가 최초로 임상 현장의 실사용 데이터(Real World Data, RWD)를 활용한 전향적 연구를 통해 임상적 유효성을 입증했다.  

 

의료인공지능 기업 뷰노(대표 이예하)는 뷰노메드 딥카스™의 임상적 유효성을 최초의 전향적 연구를 통해 입증한 다기관 임상 연구논문이 중환자의학 분야 세계 최고 권위의 학술지인 ‘Critical Care(IF 19.344[1])’에 게재[i]됐다고 13일 밝혔다.

 

실사용 데이터를 활용한 전향적 연구는 다양한 변수가 존재하는 실제 임상 현장에서 획득한 데이터로 의료진의 신뢰도가 높다. 그간 AI 의료기기에 대한 연구는 대부분 이전 시점의 의료 데이터를 활용한 후향적 연구로 수행됐다. 이번 뷰노의 연구는 앞서 여러 후향적 연구를 통해 임상적 유효성을 입증해 온 뷰노메드 딥카스™가 실제 임상 환경 및 전향적 연구에서도 일관된 예측 성능과 높은 신뢰성을 보였다는 점에서 의미를 갖는다.

 

뷰노 연구팀은 규모와 위치, 의료환경이 각기 다른 3차 의료기관 4곳의 일반병동에 입원한 환자 데이터를 활용한 다기관(Multicenter) 연구를 수행했다. 참여 의료기관에는 ▲서울대학교병원 ▲분당서울대학교병원 ▲인하대학교병원 ▲동아대학교병원이 포함됐다. 각 의료기관은 3개월 동안 일반병동에 입원한 총 55,083명의 환자를 대상으로 기존 NEWS(National Early Warning Score) 등 고위험 환자 예측 시스템과 뷰노메드 딥카스™의 병원 내 심정지(IHCA), 예기치 않은 중환자실 전실(UIT) 예측 정확도, 오경보율 등 성능을 비교 분석했다.

 

연구 결과, 뷰노메드 딥카스™의 예측 성능은 예측 정확도를 나타내는 성능지표인 AUROC[2] 기준 0.869로, 기존 방법들(NEWS 0.767, MEWS 0.756)에 비해 우수했다. 같은 민감도 대비 1,000병상 당 알람 횟수도 절반 이상 감소했으며, 기존 방법들 대비 고위험 알람이 실제 의료진의 조치로 이어진 비율이 가장 높아[3] 알람의 높은 신뢰도를 입증했다. 또 환자의 연령이나 성별, 발생 시간 등 별다른 제한없이 유효성을 보이는 것으로 나타났다.

 

이번 연구를 통해 뷰노메드 딥카스™는 최초의 전향적 연구에서도 고위험 환자에 대한 우수한 예측 성능과 범용성을 입증했다. 또한 뷰노가 그간 다양한 세계적 권위의 학술지를 통해 입증해 온 해당 제품의 후향적 연구 결과와 일관된 성능을 보였다. 이는 현재 빠른 속도로 의료 현장에 확산되고 있는 뷰노메드 딥카스™가 실제 의료 환경에서 입원환자의 안전관리를 획기적으로 개선할 수 있음을 뒷받침하는 추가적인 근거가 될 것으로 기대된다.

 

이예하 뷰노 대표는 “이번 연구 결과는 다양한 변수가 존재하고 난이도가 높은 최초의 다기관 전향적 연구를 성공적으로 수행함으로써 뷰노메드 딥카스™의 일관된 예측 성능과 범용성을 입증했다는 데 큰 의의를 갖는다”라며 “향후 추가적인 전향적 연구를 수행하여 해당 제품에 대한 임상 현장에서의 신뢰도를 계속 높이는 동시에, 필수의료로서 더 많은 의료 현장에 도입돼 환자의 안전을 지킬 수 있도록 최선을 다하겠다”고 말했다.

 

[1] Impact Factor; 논문인용지수

[2] Area Under the ROC Curve, 값이 1 가까울수록 우수함

[3] VUNO Med-DeepCARS(21.59%) vs. MEWS(15.84%), NEWS(10.32%)

 

[i] Kyung-Jae Cho, Jung Soo Kim, Dong Hyun Lee, Sang‑Min Lee, Myung Jin Song, Sung Yoon Lim, Young-Jae Cho, You Hwan Jo, Yunseob Shin & Yeon Joo. 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 27, Article No. 346 (2023)

Tag in

#press_releases

#VUNO Med® Solution

#VUNO Med®-DeepCARS®