Blog

Latest blog articles

수술 전 심장검사, 어디까지 필요한가: 심전도 AI 연구 두 편
전 세계에서 매년 2억 건 넘는 비심장 수술이 시행됩니다. 그 앞단에 놓인 수술 전 심혈관 검사는 미국에서만 연간 약 180억 달러로 추정되는 비용을 발생시킵니다. 문제는 이 검사들이 얼마나 도움이 되는지입니다.저희 연구팀은 분당서울대학교병원의 동일 코호트(2020~2021년 비심장 수술 46,135건, 환자 41,218명)를 대상으로 두 가지 질문을 나누어 검증했고, 각각 European Heart Journal - Digital Health와 Journal of Medical Internet Research에 게재되었습니다.첫 번째 질문은 심전도만으로 수술 후 위험을 예측할 수 있는가입니다. 두 번째는 그렇다면 검사를 줄일 수 있는가입니다.질문 1. 심전도 한 장으로 예측이 되는가수술 전 30일 이내에 촬영된 심전도 이미지에서 QCG-Critical 점수를 산출했습니다. 이 점수는 중증 상태(쇼크, 호흡부전, 심정지)를 식별하도록 학습된 모델의 출력값으로, 0~100 범위입니다.30일 사망은 46,135건 중 156건(0.34%)이었습니다.<figure class="table"><table><thead><tr><th>위험 평가 도구</th><th>AUROC</th><th>QCG 대비</th></tr></thead><tbody><tr><td>QCG-Critical 점수</td><td>0.909</td><td>기준</td></tr><tr><td>ASA 분류</td><td>0.886</td><td>P=0.090</td></tr><tr><td>ESC 수술 위험 분류</td><td>0.728</td><td>P<0.05</td></tr><tr><td>RCRI</td><td>0.725</td><td>P<0.05</td></tr></tbody></table></figure>기존 임상 위험 지표인 RCRI와 ESC 분류를 유의하게 앞섰고, ASA 분류와는 통계적으로 대등했습니다. ASA는 마취과 의사의 종합 판단이 들어가는 지표로 평가자 간 편차가 있는 반면, QCG 점수는 심전도 이미지 한 장에서 자동으로 나옵니다.점수 구간별 실제 사망률의 차이가 큽니다.<ul><li>0~10점: 0.1%</li><li>40점 초과: 11.7%</li></ul>민감도 0.89, 특이도 0.79였고, 7일 사망 예측 AUROC는 0.933이었습니다. 보정 오차(mean absolute error)는 0.002로 예측 확률과 실제 발생률이 잘 맞았습니다.질문 2. 그래서 검사를 줄일 수 있는가두 번째 연구는 접근을 달리했습니다. 단일 점수 대신 심장 질환과 관련된 8개 QCG 점수를 모두 사용해, 8개가 전부 각자의 최적 기준값 아래이면 저위험, 하나라도 넘으면 고위험으로 분류했습니다.전체의 92.3%(42,599건)가 저위험으로 분류되었습니다.30일 복합사건(전체 사망 + 비계획적 관상동맥중재술) 발생률은 저위험군 0.2%(79건), 고위험군 2.9%(101건)였습니다. 음성예측도는 99.8%입니다.연령과 RCRI를 보정한 뒤에도 고위험 분류는 독립적인 예측 인자였습니다(GEE 보정 오즈비 8.26, 95% CI 5.93–11.50, P<0.001).주목할 부분은 실제 검사 시행 현황입니다.<ul><li>수술 전 심혈관 검사 시행: 11.8%(5,458건)</li><li>그중 양성 소견: 16.3%(892건)</li><li>검사의 88.1%가 심초음파</li></ul>즉 검사받은 환자 여섯 명 중 다섯 명은 아무 이상이 없었습니다.비용이 어디로 갔나연구진은 검사 시행 여부와 AI 판정을 교차해 6개 군으로 나눴습니다.<figure class="table"><table><thead><tr><th>군</th><th>AI 판정</th><th>검사</th><th>N</th><th>복합사건</th></tr></thead><tbody><tr><td>1</td><td>저위험</td><td>미시행</td><td>38,348</td><td>0.2%</td></tr><tr><td>2</td><td>저위험</td><td>시행·정상</td><td>3,868</td><td>0.4%</td></tr><tr><td>3</td><td>저위험</td><td>시행·이상</td><td>383</td><td>0.3%</td></tr><tr><td>4</td><td>고위험</td><td>미시행</td><td>2,329</td><td>2.8%</td></tr><tr><td>5</td><td>고위험</td><td>시행·정상</td><td>698</td><td>3.4%</td></tr><tr><td>6</td><td>고위험</td><td>시행·이상</td><td>509</td><td>2.6%</td></tr></tbody></table></figure><figure class="image"><img src="/api/download/YzJjTzkwc1hVNXZaN3E1VGVKT2dBandxSkUrNkV2WU5xK0VlVmtJbU1XUzZZSTgycW5NdUU4OTZiZjZjL1BhUWtGcHhnRHhyMktmb0NwUWtTNG9sZnc9PQ"></figure>그림. 6개 군별 30일 유해사건 발생률. 초록은 AI-ECG 저위험군, 빨강은 고위험군. 출처: Choi HM 외, J Med Internet Res 2026;28:e90099 (CC BY 4.0)2군이 문제입니다. AI가 저위험으로 본 환자가 검사를 받았고 정상으로 나온 경우인데, 3,868건으로 검사 인원의 다수를 차지합니다. 이 군이 수술 전 심혈관 검사 총비용의 62.8%를 썼습니다. 단가는 심초음파 267달러, CCTA 232달러, SPECT 485달러, 관상동맥조영술 511달러 기준입니다.AI 판정에 엄격히 따랐다면 저수율 검사를 최대 35.2%까지 줄일 수 있었다는 것이 연구진의 추정입니다.한편 저위험군 안에서는 검사를 받았든 안 받았든 사건 발생률이 0.2~0.4%로 거의 같았습니다. 검사가 결과를 바꾸지 못했다는 뜻입니다. 고위험군에서도 검사 결과에 따른 차이가 없었습니다(2.8%, 3.4%, 2.6%, P=0.572).놓치는 환자는 없나이 질문이 실제로는 가장 중요합니다.3군. AI가 저위험으로 봤는데 검사에서 이상이 나온 383건입니다. 이 중 복합사건은 1건(0.3%)이었습니다. 다만 이상 소견이 나온 뒤 집중 관리가 이뤄졌을 가능성이 있어 해석에 주의가 필요합니다.4군. AI 고위험인데 검사를 안 받은 2,329건입니다. 대부분은 응급 수술이거나 RCRI·ESC 기준으로는 저위험 수술로 분류된 경우였습니다. 다른 병원에서 이미 검사받은 경우 등을 제외하고 임상의가 실제로 놓친 사례는 32건이었고, 그중 2명이 사망했습니다(6.3%).숫자는 작지만 방향은 분명합니다. AI가 고위험으로 짚은 환자를 놓쳤을 때의 사망률이 전체 평균의 20배 가까이 됩니다.연구의 범위두 연구 모두 단일기관 후향적 설계입니다. 국내 건강보험 체계에서는 검사 접근성이 높아 비용 추정을 다른 나라에 그대로 적용하기 어렵습니다. 검사 시행 여부는 담당 의료진의 판단에 따른 것이므로 인과관계를 말할 수 없습니다.정리심전도 한 장에서 나오는 점수가 RCRI와 ESC 분류보다 수술 후 사망을 잘 예측했고, 그 점수로 저위험을 걸러내면 대부분 정상으로 나올 검사를 상당 부분 줄일 수 있다는 결과입니다. 다만 검사를 줄이는 것이 실제로 안전한지는 전향적 연구가 답해야 합니다.<hr>원문 1: Choi HM, Kim Y, Kim J, Park J, Lee JH, Yoon YE, Oh IY, Song IA, Cho Y. Artificial intelligence-enhanced ECG score for perioperative risk assessment in non-cardiac surgery. European Heart Journal - Digital Health. 2026;7(2):ztag006. <a target="_blank" rel="noopener noreferrer" href="https://academic.oup.com/ehjdh/article/7/2/ztag006/8475416">원문 보기</a>원문 2: Choi HM, Kim Y, Kim J, Park J, Hwang IC, Choi YY, Lee JH, Yoon YE, Oh IY, Cho GY, Song IA, Cho Y. Multitask Artificial Intelligence–Based Electrocardiogram Tool for Preoperative Cardiac Testing in Noncardiac Surgery. J Med Internet Res. 2026;28:e90099. <a target="_blank" rel="noopener noreferrer" href="https://doi.org/10.2196/90099">원문 보기</a>소속 기관: 분당서울대학교병원, 서울대학교 의과대학, ARPI Inc.
Published: 2026-08-13Read more
메이요 클리닉 25만 건으로 검증한 심전도 AI: npj Digital Medicine 게재 연구 해설
한국에서 개발된 심전도 AI가 미국 의료 환경에서도 같은 성능을 낼 수 있을까요. 저희 연구팀이 메이요 클리닉과 함께 이 질문에 답한 연구가 2026년 4월 npj Digital Medicine에 게재되었습니다.왜 외부검증이 중요한가의료 AI에서 가장 흔한 실패는 개발한 병원에서는 잘 작동하다가 다른 곳에 가면 성능이 떨어지는 것입니다. 환자 구성, 장비, 진료 관행이 모두 다르기 때문입니다. 특히 한국에서 개발된 모델이 미국 환자에게 그대로 통할지는 실제로 해보기 전에는 알 수 없습니다.그래서 개발팀과 독립된 기관이, 개발에 쓰이지 않은 데이터로, 미리 정한 기준에 따라 검증하는 절차가 필요합니다. 이번 연구가 그 절차입니다.어떻게 검증했나메이요 클리닉과 산하 메이요 클리닉 헬스 시스템의 응급실 방문 기록을 사용했습니다.<ul><li>응급실 방문 253,069건, 고유 환자 151,748명</li><li>응급 진단 코호트는 2020~2022년, 심기능 코호트는 2003~2022년</li><li>3차 의뢰 병원 44.1%, 지역 병원 55.9%</li><li>환자 중앙값 연령 65세, 남성 48.3%</li></ul>3차 병원과 지역 병원이 거의 반반이라는 점이 중요합니다. 대형 병원에서만 검증한 연구는 실제 진료 현장의 다양성을 반영하지 못하기 때문입니다.결과10개 항목 전체에서 AUC 0.883~0.949를 기록했고, 사전에 정한 비열등성 기준을 모두 충족했습니다.<figure class="table"><table><thead><tr><th>항목</th><th>N</th><th>AUC (95% CI)</th><th>민감도 % (95% CI)</th><th>특이도 % (95% CI)</th></tr></thead><tbody><tr><td>Critical (24시간 원내 사망)</td><td>1434</td><td>0.918 (0.904–0.933)</td><td>83.7 (80.6–86.7)</td><td>83.6 (81.1–86.0)</td></tr><tr><td>급성관상동맥증후군 (ACS)</td><td>2069</td><td>0.931 (0.917–0.945)</td><td>85.2 (82.1–88.2)</td><td>85.1 (83.3–86.9)</td></tr><tr><td>STEMI 및 equivalents (occlusive MI)</td><td>2069</td><td>0.949 (0.931–0.967)</td><td>88.2 (83.7–92.7)</td><td>88.3 (86.8–89.7)</td></tr><tr><td>심근손상 (Myocardial Injury)</td><td>2069</td><td>0.929 (0.914–0.943)</td><td>84.8 (81.5–88.0)</td><td>84.8 (83.0–86.5)</td></tr><tr><td>고칼륨혈증</td><td>3740</td><td>0.917 (0.908–0.926)</td><td>83.8 (81.8–85.8)</td><td>83.8 (82.4–85.3)</td></tr><tr><td>폐부종</td><td>1564</td><td>0.918 (0.905–0.931)</td><td>83.4 (80.7–85.9)</td><td>83.4 (80.7–85.9)</td></tr><tr><td>좌심실 수축기능부전 (LV Dysfunction)</td><td>3060</td><td>0.935 (0.926–0.943)</td><td>86.1 (84.4–87.8)</td><td>86.1 (84.4–87.9)</td></tr><tr><td>우심실 수축기능부전 (RV Dysfunction)</td><td>2840</td><td>0.922 (0.912–0.931)</td><td>84.4 (82.5–86.2)</td><td>84.4 (82.5–86.3)</td></tr><tr><td>폐고혈압</td><td>8540</td><td>0.883 (0.876–0.890)</td><td>80.1 (79.0–81.3)</td><td>80.1 (78.9–81.4)</td></tr><tr><td>심낭삼출</td><td>2929</td><td>0.899 (0.881–0.916)</td><td>82.2 (78.3–86.1)</td><td>82.2 (80.7–83.6)</td></tr></tbody></table></figure>N은 항목별 분석 대상 건수입니다. 10개 항목 모두 95% 신뢰구간 하한이 사전에 설정한 비열등성 마진을 상회했습니다.초기 트로포닌과의 비교임상적으로 가장 흥미로운 부분입니다. 초기 트로포닌 T 결과가 있는 1,368건을 따로 분석했습니다.<ul><li>급성심근경색: AI 0.920 vs 트로포닌 T 0.878</li><li>STEMI equivalents: AI 0.932 vs 트로포닌 T 0.736</li></ul>두 비교 모두 P < 0.001이었습니다. 트로포닌은 심근 손상이 일어난 뒤 상승하기까지 시간이 걸리는 반면, 심전도는 도착 즉시 얻을 수 있습니다. 초진 시점의 판단이라는 맥락에서 이 차이는 의미가 있습니다.다만 이것이 트로포닌을 대체한다는 뜻은 아닙니다. 두 검사는 서로 다른 정보를 주며, 이 결과는 “첫 심전도만 있는 시점에서 얼마나 알 수 있는가”에 대한 답에 가깝습니다.연구의 범위이 연구는 후향적 외부검증이며, 대상 환자의 약 90%가 백인이고 단일 의료 시스템에서 수행되었습니다.정리한국에서 개발된 심전도 AI의 판별능이 미국 진료 환경에서도 유지된다는 점이 25만 건 규모의 데이터로 확인되었습니다. 다음 단계는 전향적 연구를 통한 임상적 효용 검증입니다.<hr>원문: Lee H, Kim Y, Sykora D, Ryu AJ, Cho Y, Kim J, Song J. External validation of ECG artificial intelligence for emergency and cardiac assessment across a large-scale U.S. healthcare system. npj Digital Medicine. 2026 Apr 28. <a target="_blank" rel="noopener noreferrer" href="https://www.nature.com/articles/s41746-026-02682-7">https://www.nature.com/articles/s41746-026-02682-7</a>소속 기관: 분당서울대학교병원, ARPI Inc., Mayo Clinic
Published: 2026-08-12Read more
구글 포 스타트업 액셀러레이터 데모데이에서 ECG Buddy를 발표했습니다
2026년 7월 15일 서울신라호텔에서 열린 구글 포 스타트업 액셀러레이터(GFSA) 데모데이에서 ARPI가 ECG Buddy를 발표했습니다.<figure class="image"><img src="/api/download/YzJjTzkwc1hVNXZaN3E1VGVKT2dBZ0E3eUVrdWF3TmlrZzZZL2VaVG4vbjI3eFExajdaaGowSHJqQk1ZM0NsY210SURDa3krR1drMXNwc2cwYlV6VGc9PQ"></figure>ECG Buddy for Research 시연 발표. 출처: 구글코리아 블로그GFSA 2026GFSA는 구글이 2021년부터 운영해 온 국내 스타트업 지원 프로그램으로, 올해가 5기입니다. 수백 곳의 지원사 중 14개 AI 스타트업이 선발되었고, ARPI도 그중 하나였습니다.프로그램 기간 동안 구글 딥마인드, 구글 클라우드, 구글 애즈, 구글 플레이의 전문가 49명이 294회의 멘토링을 진행했습니다. 전체 22회 세미나 중 73%가 AI에 집중된 세션이었고, 참가사 전원이 제미나이(Gemini)를 자사 서비스에 실제로 도입했습니다.무엇을 발표했나발표 주제는 "ECG 버디로 응급 진료 돕기"였습니다.심전도 판독은 오랜 훈련이 필요하고, 인식한 특징을 수치화하기 어렵고, 그것을 질환 위험도로 해석하는 일은 더 어렵습니다. ECG Buddy는 이 세 단계를 12리드 심전도 이미지 한 장에서 자동으로 처리해, 11가지 심장 리듬 분류와 10가지 디지털 바이오마커를 정량적으로 제시합니다.발표에서는 임상 근거를 세 축으로 정리했습니다.<figure class="image"><img src="/api/download/YzJjTzkwc1hVNXZaN3E1VGVKT2dBbllXMjEzTEdNRVpXQkVDK0lEazNXNXQyQUsvRE4rVkJ0NVozUlEvTllEbS9RSUh3eVpUSmhWUitQaFdMUFdlYVE9PQ"></figure>발표 슬라이드: 임상 근거진단 정확도. 분당서울대학교병원에서 확증하고 메이요 클리닉에서 외부검증한 결과입니다.처치 시간 단축. Door-to-Balloon 시간이 줄었고, 90분을 넘긴 지연 PCI 비율이 크게 감소했습니다.수술 전 평가로의 확장. 저위험군과 고위험군의 사망·재시술 위험이 뚜렷하게 갈렸습니다.국내 확산 현황도 함께 소개했습니다. 발표 시점 기준 도입 병원 100곳 이상, 월 20만 건 이상 분석이며, EMR·PACS 연동과 119 구급 서비스로 병원 밖까지 확산되고 있습니다.구글과 무엇을 했나이번 프로그램에서 구글의 지원은 네 갈래로 쓰였습니다.<figure class="image"><img src="/api/download/YzJjTzkwc1hVNXZaN3E1VGVKT2dBaFlFemdxRHVJT1lLc29QaFRvS28vVGFhN1FzWUJHRFR3U2xiVVd2ZzRrcHlDeXRwM0pwc1krVDF4VUw3bUh4OFE9PQ"></figure>발표 슬라이드: 구글의 도움분석 API. GCP 기반으로 확장 가능한 심전도 분석 API를 구축했습니다.국경을 벗어나지 않는 데이터. 한국, 싱가포르, 유럽, 미국에 분석 서버 구축을 완료했습니다. 환자 정보를 각 지역 규제 안에서 처리하기 위한 구조입니다. ARPI는 분석한 심전도를 보관하거나 사용하지 않지만, 처리되는 순간에도 데이터가 해당 지역을 벗어나지 않도록 하는 것이 다음 단계였습니다.인프라 운영 자동화. 클라우드 인프라 운영을 자동화해 안정성을 확보했습니다.Gemini 기반 결과 해석. 제미나이 API를 이용해 ECG Buddy 제품군의 15가지 디지털 바이오마커 결과를 요약·해석하고 적절한 응급처치를 제안하는 기능을 개발했습니다.데모데이에서는 이 기능을 ECG Buddy for Research에서 시연했습니다. ECG Buddy for Research는 임상 진단이나 환자 관리가 아닌 연구 및 교육 용도로 제공되는 버전입니다.앞으로GCP 기반 API로 해외 시장 진출을 가속하고, 제미나이로 임상의사결정 보조 기능을 강화해 나갈 계획입니다.ECG Buddy는 현재 대한민국 식약처 허가, 유럽 CE 인증을 획득했고 베트남, 대만, 호주에서 인허가를 완료했습니다. 심전도 판독의 글로벌 표준이 되는 것이 목표입니다.<hr>관련 링크: <a target="_blank" rel="noopener noreferrer" href="https://blog.google/intl/ko-kr/company-news/inside-google/gfsa-demoday-2026/">구글코리아 블로그 · 2026 구글 포 스타트업 액셀러레이터 데모데이 현장</a>
Published: 2026-07-15Read more
ECG Buddy는 어떻게 응급실의 '문화 운동'이 되었나
‘문화 운동’이 되어버린 ECG Buddy의 확산ECG Buddy를 전산 연동한 병원이 곧 100곳을 넘어설 예정입니다. 그야말로 '문화 운동'처럼 번지고 있습니다. 보수적인 응급 의료 현장에서 의료 AI 기기가 이토록 빠르게 전파되는 것은 매우 이례적인 일입니다.어떻게 이러한 확산이 가능했을까요?   정보의 부재와 결정의 무게신환이 접수하는 순간 응급의학과 의사들은 생판 모르는 (과거력도 모르고 충분한 Work-up도 전혀 안 된) 환자의 최종 결과에 대한 무한 책임을 지게 됩니다.그런데 주어진 시간과 자원은 턱없이 부족합니다. 심전도 한 장을 붙들고 "이건 무슨 사인이고, 저건 무슨 소견이고..." 하면서 고민을 할 여유는 응급실에선 사치입니다. 게다가 야간 당직이라도 서면, 이 모든 결정의 무게를 오롯이 혼자 감당해야 할 때가 많습니다.  복잡성을 직관으로 바꾸기이때 응급실에서 필요한 것은 빠르고 효과적인 직관입니다. ECG Buddy는 12리드 심전도로부터 이러한 직관을 제공합니다. 이과정에서 우리는 '불확실한 것을 불확실한 대로' 보여줍니다. 그리고 의사는 본인의 '임상적 직관(Clinical Gestalt)'에 이 정보들을 통합하여, 더 빠르고 정확한 결정을 내릴 수 있습니다.우리는 이것이야말로 가장 솔직하고 효율적인 진료 지원의 본질이라 믿습니다.  척박한 응급의료를 위한 합리적 선택응급의학과 의사들이 ECG Buddy를 응급실에 도입하기 시작한 건, 더 나은 진료를 하고 싶다는 열망, 그리고 실수해서는 안된다는 절박함이 만든 자연스러운 현상입니다. 그래서 저는 이것을'문화 운동'이라 부릅니다. 이것은 단순한 AI의 도입이 아니라, 응급실의 척박한 환경을 기술로 극복해 보려는 의사들의 가장 합리적인 선택이기 때문입니다.  작성자: 김중희, MD
Published: 2026-01-29Read more

검색

게시글을 불러오는 중

주식회사 알피대표자 : 김중희

TEL : 031-738-0110EMAIL : [email protected]

주소 : 경기도 성남시 분당구 성남대로 331번길 8, 킨스타워 1401호

개인정보 처리방침 서비스 이용약관

About ARPI
Products
Resources
News & Media
Contact us
- Request
- Careers