에픽의 AI 악화 경고가 병원 사망률 감소와 관련이 있음

병원 예측 모델을 임상 치료 팀에 자동으로 페이지를 보내는 것이 23,132명의 고위험 환자에서 병원 내 사망의 위험을 18% 줄이는 것으로 나타났습니다. NEJM AI에 발표된 연구에 따르면, 럿거스 로버트 우드 존슨 의과대학과 RWJBarnabas Health의 연구자들은 11개의 뉴저지 병원을 대상으로 연구를 진행했습니다.

이 모델은 에픽의 독점적인 기계 학습 점수인 에픽 악화 지수입니다. 이 모델은 전자 건강 기록에 이미 입력된 환자의 생체 징후, 실험실 결과, 간호 평가 및 나이를 읽고 0에서 100까지의 위험 수치를 반환합니다. RWJBarnabas Health의 발표에 따르면, 이 수치는 15분마다 다시 계산됩니다. RWJBarnabas Health는 환자가 가장 높은 위험 수준을 넘었을 때, 기록이 병원의 신속 대응 팀에 알림을 보냅니다.

숫자가 보여주는 것

연구 팀은 무작위 대조군 연구가 아닌 준 실험적, 계단식 전후 비교 연구를 수행했습니다. 이 연구는 2022년 10월 1일부터 2024년 8월 30일까지 성인 의료 외과 입원 환자 중 60 이상의 지수를 보인 환자를 대상으로 하였습니다. 연구에 따르면, 10,803명의 환자가 변경 이전에, 12,329명의 환자가 변경 이후에 연구에 참여했습니다. 평균 나이는 71.9세였습니다. 변경 이후에, 약 47%의 환자들이 신속 대응 팀에 페이지를 받았습니다.

신속 대응 팀의 활성화는 25.3%에서 37.5%로 증가했습니다. 조정되지 않은 병원 내 사망률은 23.1%에서 18.6%로 감소했습니다. 나이, 동반 질환, 병원 유형, 지수 점수 및 병원 클러스터링을 조정한 후, 병원 내 사망의 위험은 변경 이후 그룹에서 18% 낮은 것으로 나타났습니다. 이는 조정된 오즈 비율이 0.82를 의미합니다. 치료의 강화는 두 기간 모두에서 약 1%로 유지되었습니다. 따라서, 추가적인 신속 대응 팀의 활동은 새로운 중환자실 이송의 물결로 이어지지 않았습니다.

모델이 대면 테스트에서 어떻게 수행되었는지

병원 위험 예측 모델은 일반적으로 환자의 악화와 악화하지 않는 환자를 구분하는 능력에 따라 평가됩니다. 에픽 지수에 대한 가장 큰 발표된 분석에 따르면, 예일 뉴 헤븐 헬스와 시카고 대학의 연구자들은 7개의 병원에서 362,926명의 환자遭遇에 대해 6개의 초기 경보 시스템을 평가했습니다. 에픽 지수는 0.808의 곡선 아래 영역을 보였습니다. 이는 국립 초기 경보 점수인 0.829와 기계 학습 eCART 모델인 0.895에 비해 낮은 수치입니다.

예일 뉴 헤븐 헬스는 2024년 1월에 7개의 병원을 eCART 모델로 전환했습니다. 이는 이전 연구에서 eCART 모델이 더 높은 성능을 보였기 때문입니다. FDA는 임상 의사 결정 지원 소프트웨어를 규제 의료 기기로 취급하며, 에픽 지수는 이러한 규제를 받지 않았습니다.

에픽을 사용하는 병원이 얻을 수 있는 것

RWJBarnabas Health의 최고 의료 정보 책임자는 알고리즘이 아닌 알고리즘 주변의 협력으로 인한 사망률의 이익이라고 설명했습니다. 연구자들은 에픽 지수 자체가 아니라, 임상가 교육, 알림 조정, 자동 알림 및 임상 치료 팀의 협력을 통해 사망률의 감소를 달성했다고 주장합니다.

현재 연구진은 환자의 위험 점수가 얼마나 빠르게 증가하는지에 따라 알림을 보내는 것을 평가하고 있습니다. 이는 임상가가 더 많은 경고를 받을 수 있도록 하기 위함입니다. 이미 이 모델을 사용하고 있는 많은 병원들은, 이 연구의 결과를 통해, 누가 페이지를 받는지, 얼마나 빠르게 받는지, 그리고 누가 병상에 도착하는지에 대한 정보를 얻을 수 있습니다. 이 연구는 에픽 지수가 임상 치료 팀에 자동으로 페이지를 보내는 것과 관련이 있음을 보여주었습니다.