Validation of Digirop Model for Prediction of Treatment for Retinopathy of Prematurity on a Turkish Cohort

미성숙한 아기들이 눈의 내부 배선이 완성되기도 전에 태어나는 세상을 상상해 보세요. 마치 모든 방에 전기 배선이 도달할 때까지 시간이 필요한 공사 중인 집처럼, 아기의 망막(눈 뒤쪽의 빛을 감지하는 층)은 혈관이 자랄 시간이 필요합니다. 때때로 아기가 너무 일찍 태어나면 이 건설 과정이 엉망이 되기도 합니다. 혈관이 너무 빨리 자라거나 엉뚱한 곳에서 자라는 현상이 발생하는데, 이를 미숙아 망막병증(ROP)이라고 부릅니다. 그대로 두면 이 "건설 혼란"이 망막 박리로 이어져 영구적인 시력 상실을 초래할 수 있습니다.

이를 막기 위해 의사들은 아기의 눈을 정기적으로 검사하며 "배선 확인" 게임을 해야 합니다. 하지만 까다로운 점은, 아주 작고 연약한 아기의 눈 내부를 들여다보는 것이 결코 쉬운 일이 아니라는 것입니다. 눈꺼풀을 벌리고 눈을 부드럽게 압박해야 하는데, 이는 영아에게 고통스럽고 스트레스를 주는 일입니다. 현재 의사들은 매우 일찍 태어난 거의 모든 아기를 선별 검사하지만, 그들 중 대다수는 실제로 치료가 필요하지 않습니다. 이는 90%가 완벽하게 안전함에도 불구하고 동네의 모든 집을 불이 나는지 확인하기 위해 매번 체크하는 것과 같습니다. 과학자들은 출생 데이터를 사용하여 어떤 아기가 실제로 고위험군인지 예측하는 스마트한 도구, 즉 "화재 예측 앱"을 만들기 위해 노력해 왔습니다. 이것이 바로 새로운 연구 이야기의 시작입니다.

---

터키에서 테스트된 "화재 예측 앱"

이 연구에서 이스탄불의 연구진은 터키에서 태어난 168명의 미숙아 그룹을 대상으로 DIGIROP라는 특정 "화재 예측 앱"을 테스트하기로 했습니다. DIGIROP를 두 부분으로 구성된 수정구슬이라고 생각해 보세요. 첫 번째 부분인 DIGIROP-Birth는 아기가 태어나는 순간의 상태, 즉 몇 주 만에 조산했는지, 몸무게는 얼마인지, 성별은 무엇인지를 살펴봅니다. 이것만을 바탕으로 아기가 나중에 치료가 필요할지 예측합니다. 두 번째 부분인 DIGIROP-Screen은 '업데이트 버튼'과 같습니다. 아기가 성장하고 의사들이 눈 문제의 첫 징후를 발견하기 시작할 때, 이 부분이 위험도를 다시 계산하여 아기가 향후 검사를 건너뛰어도 될지 판단합니다.

연구진은 이 도구가 스웨덴의 데이터를 사용하여 만들어졌기 때문에, 터키 아기들에게도 효과가 있는지 확인하고 싶었습니다. 그들은 병원 기록에 있는 모든 아기에 대해 숫자를 돌려보며, 마치 당시 이 앱을 사용했던 것처럼 시뮬레이션하여 얼마나 잘 작동했을지 확인했습니다.

결과: 완벽한 안전망

연구 결과는 매우 안심할 만했습니다. 이 게임에서 가장 중요한 규칙은 도움이 필요한 아기를 절대 놓치지 않는 것입니다. 만약 앱이 어떤 아기를 "저위험"군으로 분류하여 검사를 건너뛰어도 안전하다고 했는데, 알고 보니 그 아기가 치료가 필요한 상황이라면 그것은 재앙입니다.

이 터키 그룹에서는 8명의 아기(전체의 약 4.76%)가 최종적으로 눈 치료를 받았습니다. DIGIROP 모델은 이들을 완벽하게 잡아냈습니다.

• DIGIROP-Birth는 이 고위험군 아기 8명 전원을 "고위험"으로 정확히 식별했습니다. 단 한 명도 놓치지 않았습니다.
• 추적 데이터를 사용하는 DIGIROP-Screen 역시 이 8명 전원을 잡아냈습니다.

연구 용어로 말하자면, 이 도구는 **100% 민감도(Sensitivity)**와 **100% 음성 예측도(Negative Predictive Value)**를 보였습니다. 쉬운 말로 하면, 만약 앱이 아기가 안전하다고 말했다면, 그 아기는 100% 확실히 안전했다는 뜻입니다. 오보(False alarm)는 없었습니다.

큰 성과: 무서운 검사의 감소

하지만 진짜 마법은 이 도구가 업무량을 얼마나 줄일 수 있었는지에 있었습니다. 현재 이 아기들은 평균적으로 각각 거의 7회(정확히는 6.69회)의 안과 검사를 받습니다. 연구진은 DIGIROP 앱을 사용했을 경우를 시뮬레이션했습니다.

1. 출생 예측(Birth prediction)만 사용했을 때: 앱이 저위험군이라고 판단했기 때문에 시작 단계에서 전체 아기의 **53.57%**에 대한 선별 검사를 중단할 수 있었습니다. 이를 통해 아기 1인당 평균 검사 횟수를 약 3.85회로 줄일 수 있었습니다.
2. Birth + Screen 조합을 모두 사용했을 때: 아기가 성장함에 따라 위험도를 업데이트함으로써 더 많은 아기의 검사를 중단할 수 있었습니다. 아기 1인당 평균 검사 횟수는 3.38회로 떨어졌습니다.

이는 총 안과 검사 횟수의 49.33% 감소를 의미합니다. 168명의 아기에게 1,100회 이상의 검사를 수행하는 대신, 약 567회의 검사만 수행하면 되었을 것입니다. 이는 아기들에게 가해지는 고통스러운 검사를 약 552회나 줄인 것이며, 의사들의 업무량도 줄여줍니다.

이것이 의미하는 바 (그리고 의미하지 않는 것)

이 연구는 스웨덴의 도구가 원래 사용되었던 대상만큼이나 터키 아기들에게도 잘 작동한다는 것을 보여줍니다. 간단한 온라인 계산기를 사용하여 치료가 필요한 아기를 놓치지 않으면서도, 약 절반의 아기들에 대해 안전하게 검사를 건너뛸 수 있음을 입증합니다.

하지만 저자들은 몇 가지 한계점을 주의 깊게 언급했습니다. 이것은 "회고적(Retrospective)" 연구로, 새로운 아기들에게 실시간으로 앱을 테스트한 것이 아니라 과거의 기록을 검토한 것입니다. 또한, 대상 그룹이 168명으로 비교 적었으며, 치료가 필요한 아기도 8명뿐이었습니다. 결과는 매우 좋아 보이지만, 연구진은 이 도구가 어디서나 통하는지 확실히 하기 위해 터키의 더 넓은 지역에서 더 많은 아기들을 대상으로 테스트할 필요가 있다고 말합니다. 또한, 현재 앱은 30주 이하에 태어난 아기들에게만 적용되는데, 터키의 가이드라인은 34주까지의 아기들을 선별 검사하므로, 조금 더 큰 미숙아들을 포괄하기 위해 아직 할 일이 남아 있다고 언급했습니다.

요약하자면, DIGIROP 모델은 의사들에게 유망하고 신뢰할 수 있는 조력자로 보입니다. 이 모델은 더 적은 수의 아기들이 고통스러운 안과 검사를 견뎌야 하고, 정말 도움이 필요한 아기들은 결코 뒤처지지 않는 미래를 약속합니다.