Low-Cost Early Prediction of Retinopathy of Prematurity Using Arterial Blood Gas Analysis: A Retrospective Cohort Study

미숙아로 태어난 아기들에게 세상은 너무 빨리 찾아오며, 그들의 몸은 여전히 자궁 밖에서 기능하는 법을 배우는 중입니다. 이 연약한 영아들이 직면하는 많은 어려움 중 하나는 미숙아 망막병증(retinopathy of prematurity)이라 불리는 질환입니다. 이것은 눈 뒷부분의 혈관인 망막이 제대로 성장하지 못하는 질환입니다. 건강한 네트워크를 형성하는 대신, 혈관이 성장을 멈추거나 무질서하고 혼란스러운 방식으로 자라날 수 있으며, 이는 결국 실명으로 이어질 수 있습니다. 눈은 여전히 발달 중이기 때문에 치료 시기가 매우 중요합니다. 의사들은 영구적인 손상이 발생하기 전, 충분히 일찍 문제를 발견하여 개입해야 합니다. 현재 이 질환을 선별하는 표준적인 방법은 카메라를 사용하여 아기의 눈 안을 직접 들여다보는 것입니다. 이 방식은 효과적이긴 하지만, 값비싼 장비와 고도로 훈련된 전문가가 필요하며, 실제 위험군에 속하는 소수의 아기를 찾아내기 위해 많은 건강한 아기들을 검사해야 한다는 것을 의미합니다.

연구자들은 오랫동안 이 안질환의 가장 큰 위험 요소가 매우 일찍 태어나는 것과 매우 낮은 출생 체중이라는 것을 알고 있었습니다. 또한 아기가 받는 산소의 양이 중요한 역할을 한다는 것도 알고 있는데, 산소가 너무 많거나 적으면 발달 중인 혈관에 해를 끼칠 수 있기 때문입니다. 그러나 새로운 연구는 의사들이 이미 매일 수집하고 있는 데이터를 사용하여 훨씬 더 일찍, 그리고 더 간단하게 어떤 아기가 위험한지를 예측할 수 있을지도 모른다고 제안합니다. 아기가 얼마나 잘 숨을 쉬고 있는지와 혈액이 산소를 얼마나 잘 운반하는지를 측정하는 일상적인 혈액 검사 결과를 살펴봄으로써, 과학자 팀은 눈을 먼저 들여다보지 않고도 고위험군 영아를 표시할 수 있는 컴퓨터 모델을 구축했습니다. 이 접근 방식은 자원이 부족한 병원들이 어떤 아기에게 가장 긴급한 주의를 기울여야 할지 결정하는 데 도움을 줄 수 있습니다.

중국의 의사 및 연구진이 수행한 이 연구는 2022년에서 2025년 사이에 태어난 500명 이상의 미숙아를 대상으로 했습니다. 이 아기들은 세 곳의 병원에 있는 신생아 집중 치료실(NICU)에서 치료받았습니다. 이 단위에서 의사들은 아기의 동맥혈 가스 수치를 확인하기 위해 일상적으로 적은 양의 혈액을 채취합니다. 이 검사는 혈액 속에 산소와 이산화탄소가 얼마나 있는지, 혈액이 얼마나 산성 또는 염기성인지, 그리고 신체가 산소를 얼마나 잘 사용하는지를 알려줍니다. 연구진은 이 모든 데이터와 함께 아기의 출생 체중 및 임신 기간(태내 주수)을 수집했습니다. 그런 다음 그들은 프로그램이 데이터의 패턴을 학습하여 예측을 수행하는 일종의 컴퓨터 학습법을 사용하여, 이 혈액 검사 결과가 안질환을 일으킬지 여부를 알려줄 수 있는지 확인했습니다.

연구팀은 어떤 모델이 위험을 포착하는 데 가장 효과적인지 확인하기 위해 10가지 서로 다른 컴퓨터 알고리즘을 테스트했습니다. 그들은 가장 성공적인 모델이 특정하고 관리 가능한 10가지 핵심 정보 목록에 의존한다는 것을 발견했습니다. 여기에는 아기의 재태 연령과 출생 체중뿐만 아니라, 생후 첫 6주 동안 실시된 혈액 가스 검사에서 얻은 9가지 구체적인 수치가 포함되었습니다. 이 수치들은 혈액 내 이산디산소 압력, 다양한 유형의 헤모글로빈(산소를 운반하는 혈액 내 단백질) 수치, 그리고 신체가 에너지와 스트레스를 어떻게 처리하는지에 대한 지표 등을 다룹니다. 컴퓨터가 이 특정 10가지 사실에 대해 학습되었을 때, 모델은 결과를 예측하는 데 매우 뛰어난 능력을 보였습니다. 초기 아기 그룹에서 모델은 0.95의 AUC(곡선 아래 면적)를 달성했습니다. 또한 건강한 아기를 저위험군으로 식별하는 데 있어 0.91의 AUC를 달в 달성했는데, 이는 주의가 필요한 사례를 거의 놓치지 않았음을 의미합니다.

이 결과가 단 한 그룹의 환자에게서 얻은 운 좋은 추측이 아님을 입증하기 위해, 연구진은 다른 병원의 두 그룹의 아기들을 대상으로 모델을 테스트했습니다. 모델은 이 새로운 환경에서도 잘 작동했습니다. 한 그룹에서는 0애 0.83의 AUC를 기록했고, 다른 그룹에서는 0.91의 AUC를 기록했습니다. 연구는 컴퓨터 모델에 더 많은 변수를 추가한다고 해서 모델이 더 좋아지는 것은 아니며, 오히려 가장 중요한 10가지 사실만을 담은 단순한 모델이 가장 우수한 성능을 보였다는 점을 보여주었습니다. 이는 이미 병원에서 시행되고 있는 일상적인 혈액 검사 속에 우리가 간과했던 아기 눈 건강에 대한 숨겨진 신호가 들어있음을 시사합니다. 연구진은 모델이 안전한 아기들을 배제하는 데 특히 유능하다는 점에 주목했는데, 이는 선별 도구로서 매우 중요한 특징입니다. 만약 어떤 아기가 이 모델에 의해 저위험군으로 분류된다면, 의사들은 그 아기가 심각한 형태의 질환을 앓을 가능성이 낮다는 것을 확신할 수 있습니다.

연구진은 또한 이 도구가 무엇이며 무엇이 아닌지를 명확히 했습니다. 연구진은 이것이 위험 예측 시스템이지, 실제 안과 검사를 대체하는 것이 아니라고 강조합니다. 모델에 의해 고위험군으로 분류된 아기가 자동으로 치료를 받는 것은 아닙니다. 대신, 그 결과는 의사들에게 해당 아기의 눈을 더 빠르고 더 자주 살펴보라는 지침이 됩니다. 이는 전문 안과 의사가 매일 상주하지 않는 병원들에게 매우 중요한 차이가 될 수 있습니다. 이미 존재하는 혈액 가스 데이터를 사용함으로써, 이러한 병원들은 한정된 선별 자원을 가장 필요한 영아들에게 우선적으로 배분할 수 있습니다. 또한 이 모델은 기존의 다른 도구들이 흔히 아주 작고 매우 미숙한 영아들에게만 적용되는 것과 달리, 약간 더 늦은 단계에 태어난 아기들에게도 작동했습니다. 이는 이 접근 방식이 더 성숙하게 태어났지만 여전히 위험에 처해 있는 아기들을 포함하여 더 넓은 범위의 아기들에게 도움이 될 수 있음을 의미합니다.

연구 결과는 아기의 신체가 산소를 어떻게 처리하는지와 눈의 발달 사이의 깊은 연관성을 가리킵니다. 혈액 검사 결과, 안질환이 발생한 아기들은 혈액이 산소를 운반하는 방식과 신체가 스트레스에 반응하는 방식에서 미묘한 차이를 보였습니다. 예를 들어, 특정 유형의 헤모글로빈 수치와 혈액의 산도 균형이 위험군에서 다르게 나타났습니다. 이러한 차이는 생후 첫 몇 주 동안 산소와 에너지를 관리하기 위한 신체의 투쟁이 나중에 망막에 나타나는 문제들과 연결되어 있음을 시사합니다. 이러한 패턴을 포착함으로써, 컴퓨터 모델은 복잡한 생물학적 신호를 간단한 위험 점수로 변환합니다.

결과가 유망하기는 하지만, 연구진은 이것이 이미 수집된 데이터를 되돌아본 회고적 연구(retrospective study)라는 점을 주의 깊게 언급했습니다. 다음 단계는 그들이 이미 계획하고 있는 바와 같이, 아기들이 치료받는 동안 실시간으로 이 모델을 테스트하는 것입니다. 그들은 이 도구를 다른 의사와 연구자들이 사용할 수 있도록 하여 세계 각지에서 검증되기를 희망합니다. 향후 테스트를 통해 이 결과가 확인된다면, 이 저비용 방식은 적절한 아기에게 적절한 시기에 적절한 안과 검사를 받게 함으로써 실명을 예방하는 표준적인 치료의 일부가 될 수 있습니다. 이 작업은 때때로 시력을 구하는 가장 강력한 도구가 새로운 기계가 아니라, 우리가 이미 가지고 있는 데이터를 더 똑똑하게 바라보는 방법임을 보여줍니다.