Early Mortality Prediction in Upper Gastrointestinal Bleeding Using Explainable Machine Learning: Comparison with Established Clinical Risk Scores

응급실(ED)을 매일 수천 명의 승객(환자)이 도착하는 북적이는 기차역이라고 상상해 보십시오. 어떤 이들은 그저 빠른 환승을 위해 도착하고, 어떤 이들은 즉각적인 구조가 절실히 필요한 상태입니다. 이들 중에는 '상부 위장관 출혈(UGIB)'이라는 특수한 그룹이 도착합니다. 이는 위나 식도 윗부분에서 발생하는 심각한 출혈을 뜻하는 멋진 표현입니다. 의사들의 가장 큰 과제는 매우 똑똑한 차장이 되어, 어떤 승객이 30일 이내에 목적지에 도착하지 못할 위험이 있는지 즉시 포착하여, 그들을 대기실로 보내는 대신 VIP 구조팀(중환자실)으로 신속하게 이동시키는 것입니다.

오랫동안 차장들은 '글래스고-블래츠코드(Glasgow-Blatchford Score)', '록롤(Rockall)', 'AIMS65', 그리고 더 새로운 'ABC 점수'와 같은 '임상 위험 점수'라는 오래된 인쇄된 규칙책을 사용해 왔습니다. 이 규칙책들은 마치 간단한 체크리스트와 같습니다: "만약 환자가 65세 이상이면 1점을 더한다. 만약 혈압이 낮으면 1점을 더한다." 이것들은 작동하긴 하지만, 다소 경직되어 있습니다. 마치 직선만을 이해하고 인간의 몸이 스트레스에 어떻게 반응하는지 그 복잡하고 얽힌 그물망을 보지 못하는 로봇과 같습니다.

여기에 새로운 도전자인 머신러닝(ML) 탐정 팀, 구체적으로는 XGBoost라고 불리는 모델이 등장합니다. 이 모델을 단순한 체크리스트가 아니라, 인간의 눈이 놓칠 수 있는 군중 속의 숨겨진 패턴을 찾아내는 매우 관찰력 있는 탐정이라고 생각하십시오. 이 탐정은 단 하나의 요소만 보는 것이 아니라, 환자가 응급실 문을 통과하는 순간 이용 가능한 63가지의 서로 다른 단서들—예를 들어 연령, 호흡수, 혈당, 심지어 백혈구 수까지—을 살펴봅니다.

거대한 맞대결
연구진은 2015년 1월 1일부터 2026년 1월 1일 사이에 응급실을 방문한 719명의 환자 데이터를 수집했습니다. 이 중 53명(약 7.4%)은 안타깝게도 30일 이내에 사망했습니다. 목표는 이 새로운 ML 탐정이 기존의 규칙책들보다 이러한 사망을 더 잘 예측할 수 있는지 확인하는 것이었습니다.

결과는 마치 놀라운 경주와 같았습니다. 기존의 규칙책들도 최선을 다했지만, 가장 최신 모델인 ABC 점수가 0.742라는 '점수'(AUROC)를 기록하며 가장 빨랐습니다. 하지만 환자가 도착했을 때 사용 가능한 정보만을 사용한 ED XGBoost 모델은 약간 더 나은 경주를 펼치며 0.789의 점수를 기록했습니다.

여기에는 반전이 있습니다: 논문은 ML 모델과 가장 좋은 기존 규칙책(ABC) 사이의 차이가 압도적이고 부정할 수 없는 승리는 아니었다고 시사합니다. 수학적으로 그 격차는 숫자의 운(p-value 0.264)에 의한 것일 수도 있을 만큼 작았습니다. 그러나 ML 모델은 기존의 규칙책이 잘 해내지 못한 한 가지를 해냈습니다: 바로 훨씬 더 뛰어난 '보정(calibration)' 능력이었습니다. 기상 예보관을 상상해 보십시오. 기존의 규칙책은 실제로는 폭우가 쏟아질 상황인데도 "비가 올 확률이 50%입니다"라고 말할 수 있습니다. ML 모델의 예측은 실제 날씨에 훨씬 더 가까웠으며, 예측 오차를 측정하는 '브리어 점수(Brier score)'에서도 ABC 점수의 0.142와 비교해 0.061을 기록했습니다. 쉬운 말로, ML 모델은 단순히 누가 아플지 추측한 것이 아니라, 그들이 얼마나 아플지를 훨씬 더 정확하게 추측해 낸 것입니다.

"마법의" 15가지 단서
연구진은 "63가지 단서가 모두 필요할까, 아니면 상위 15가지만 사용해도 될까?"라는 의문을 가졌습니다. 그들은 탐정의 도구 상자를 줄여보았습니다. 초기 실험에서 림프구 수, 젖산, 알부민과 같은 15가지 변수만 포함된 작은 모델은 심지어 더 빠르게 달렸으며, 0.814라는 점수에 도달했습니다.

하지만 이 논문은 매우 신중합니다. 연구진이 더 엄격하고 조심스러운 방법(모델이 단순히 데이터에 운 좋게 맞춘 것이 아닌지 확인하기 위한 방법)으로 테스트했을 때, 점수는 0.765로 약간 떨어졌습니다. 저자들은 초기 "매우 높은" 점수가 모델이 특정 데이터에 너무 익숙해졌기 때문에 발생한 결과일 수 있다고 설명합니다. 그럼에도 불구하고, 이 작은 모델은 여전히 우수한 성능을 보였으며 ABC 점수보다 더 나은 성과를 냈습니다.

탐정이 발견한 것
모델이 어떤 단서가 가장 중요한지 돋보기처럼 들여다보는 데 사용하는 SHAP이라는 특별한 도구를 사용하여, 모델은 가장 중요한 위험 징후들을 밝혀냈습니다. 주요 용의자는 다음과 같습니다:

• 젖산(Lactate): 높은 수치(사망자의 경우 2.50 mmol/L vs 생존자의 경우 1.70 mmol/L)는 거대한 적신호였습니다. 이는 자동차 엔진이 과열되는 것과 같습니다. 즉, 신체가 충분한 산소를 공급받지 못하고 있음을 의미합니다.
• 림프구 수(Lymphocyte count): 낮은 수치(낮은 수치는 0.95 vs 높은 수치는 1.55)는 면역 체계가 고군분투하고 있음을 시사했습니다.
• C-반응성 단백질(C-reactive protein): 높은 수치(높은 수치는 12.0 mg/dL vs 낮은 수치는 3.46 mg/dL)는 심각한 염증을 가리켰습니다.
• 알부민(Albumin): 낮은 수치(낮은 수치는 3.30 g/dL vs 높은 수치는 3.59 g/dL)는 영양 부족이나 장기적인 스트레스를 암시했습니다.

논문이 배제한 것
이 연구는 사망을 예측하기 위해 내시경(위 내부를 보는 카메라 검사)이나 수혈 기록을 기다려야 한다는 생각에 명시적으로 반박합니다. '전체 모델(Full Model)'은 이러한 후속 세부 사항들을 포함했음에도 불구하고, 'ED 모델(초기 데이터만 사용)'과 거의 동일한 성능을 보였습니다. 저자들은 환자의 전반적인 신체 상태와 출혈에 대한 신체의 반응이 출혈 자체의 구체적인 세부 사항보다 더 중요하다고 제안합니다.

최종 결론
논문은 이러한 새로운 머신러닝 모델이 환자가 들어오는 바로 그 순간 의사들이 더 나은 결정을 내릴 수 있도록 돕는 유망하고 실용적인 도구가 될 수 있다고 결론짓습니다. 이 모델들은 기존의 규칙책들보다 더 정확하고 보정 능력이 뛰어납니다. 그러나 저자들은 정직하게도, 이것이 상대적으로 사망자 수가 적은(53명) 한 병원에서 수행된 단일 연구임을 인정했습니다. 그들은 이 모델들을 실제 의료 현장에서 의사들이 사용할 수 있도록 하기 전에, 어디서나 작동하는지 확인하기 위해 다른 병원들에서도 테스트되어야 한다고 제안합니다. 이는 미래의 응급 의료가 매우 똑똑한 탐정의 모습을 띠게 될 것이라는 강력한 암시이지만, 우리는 아직 그 단계에 완전히 도달하지는 못했습니다.