단일리드 AI ECG 모바일 시스템을 활용한 WPW 증후군 기회적 대규모 스크리닝

초록

본 연구는 2019‑2025년 사이에 중국 전역에서 수집된 3,566,626개의 단일리드 ECG 데이터를 기반으로, 휴대용 AI‑ECG 시스템을 이용한 WPW 증후군의 기회적 스크리닝 효율성을 평가한다. AI 모델은 AUC 0.6676, 특이도 95.92%를 기록했으며, AI‑양성 결과가 WPW 진단 가능성을 86배 높였다. 인간‑AI 협업 워크플로우를 적용해 전체 ECG 중 99.5%를 자동 배제하고, WPW 한 건을 확인하는 데 평균 18개의 ECG만 검토하면 되었다. 전통적인 12‑lead ECG 및 전극생리학 검사와 비교해 시간·비용 모두 크게 절감되는 효과가 확인되었다.

상세 분석

이 연구는 실제 임상 현장에서 발생하는 잡음, 신호 품질 저하, 사용자 행동 변이 등을 모두 포함한 ‘복합 실세계 환경’에서 AI‑ECG 시스템의 성능을 종합적으로 검증한 점이 가장 큰 강점이다. 먼저 87,836명의 개인으로부터 3,566,626개의 단일리드 ECG를 수집했으며, 저품질 레코드를 617,471건(≈17%) 제외한 뒤 분석에 사용하였다. AI 모델은 0.46%에 해당하는 16,457건을 WPW 양성으로 분류했으며, 이 중 1,984건(12.05%)이 사용자의 자발적 요청에 의해 심장전문의에게 리뷰되었다. 반면 AI‑음성 레코드 중 46,120건(1.30%)이 사용자 요청으로 리뷰되었으며, 전체 리뷰 건수는 48,104건(전체 1.35%)에 불과했다.

모델의 전반적인 판별력(AUC 0.6676)은 낮은 유병률(≈0.5%) 상황에서 기대되는 한계점에도 불구하고, 높은 특이도(95.92%)와 함께 위험군에 대한 점수 집중도가 뛰어났다. 즉, 실제 WPW 환자들은 AI가 부여한 위험 점수가 상위 15%(85번째 백분위) 내에 몰려 있었으며, 이는 ‘점수 안정성 분석’을 통해 확인되었다. 이러한 특성은 전형적인 ‘클래스 불균형’ 문제를 완화하고, 임상 현장에서 고위험군을 효율적으로 선별하는 데 기여한다.

인간‑AI 협업 효율성 측면에서는 상대위험(RR) 86.2배라는 강력한 연관성을 보였으며, AI‑양성 레코드만 심전도 전문의가 검토하도록 하면 전체 검토 필요 ECG 수를 99.5% 감소시킬 수 있었다. 특히 ‘한 건의 WPW 확진을 위해 필요한 평균 검토 수(NNR)’가 18건으로, 전통적인 전역 스크리닝 대비 60배 이상 효율이 향상되었다. 이는 의료 인력 부족과 비용 제약이 심한 지역에서 실질적인 공중보건 효과를 기대할 수 있음을 의미한다.

경제성 분석에서는 모바일 AI‑ECG 시스템이 병원 내 12‑lead ECG 및 전극생리학 검사에 비해 시간(30‑36배 단축)과 직접 비용(≈37배 절감)에서 큰 이점을 제공한다는 결과가 도출되었다. 또한, 사용자 특성 분석에서 리뷰를 요청한 그룹은 고혈압, 관상동맥 스텐트, 당뇨 등 기존 심혈관 위험 요인이 더 많이 존재했으며, 이는 AI 기반 알림이 실제로 고위험 인구에게 더 많이 활용될 가능성을 시사한다.

전체적으로 본 연구는 대규모 실세계 데이터를 활용해 AI‑ECG 기반 기회적 스크리닝이 저유병률·고위험 부정맥(특히 WPW) 탐지에 실질적인 가치를 제공한다는 점을 입증했다. 모델 자체의 한계(AUC가 0.7 이하)에도 불구하고, 위험군 집중과 인간‑AI 협업 설계가 임상 적용 가능성을 크게 확대한다는 점이 주요 시사점이다. 향후 다중 리드 데이터와 연계하거나, 다른 저유병률 부정맥(예: Brugada, LQTS)에도 확장 적용한다면 공공보건 차원의 조기 진단 체계 구축에 기여할 수 있을 것이다.