AI, 심장 파형의 미세 신호 발견…급성 심장사 위험 예측 혁명

UC버클리 AI 급성 심장사 연구의 핵심 발견

UC버클리 연구진(지아드 오버마이어 교수 주도)은 2026년 6월 24일 국제 학술지 '네이처(Nature)'에 발표한 논문에서, 44만 건 이상의 심전도(ECG) 데이터를 딥러닝 모델로 학습시켜 기존에 알려지지 않았던 심장 전기 신호를 발견했다고 발표했습니다. 이 신호는 급성 심장사(sudden cardiac death) 위험을 현재의 임상 기준보다 훨씬 더 정확하게 예측해냈습니다 .

발견된 미지의 신호

AI 모델은 심전도에서 심장이 내보내는 전류의 파형 패턴, 즉 미세한 **스파이크(spike)**와 **파형(waveform)**을 식별했는데, 이는 의사나 기존 임상 검사로는 전혀 발견할 수 없는 특징입니다 . 이 패턴은 급성 심정지가 발생하기 전 심장의 전기 시스템이 오작동하는 현상과 밀접한 연관이 있는 것으로 나타났습니다. 정확한 생리학적 메커니즘은 아직 밝혀지지 않았지만, AI는 심장이 갑자기 치명적인 오작동을 일으키기 직전의 특징적인 신호를 포착한 것으로 보입니다 .

학습 및 검증 과정

연구팀은 스웨덴에서 수집된 44만 건 이상의 심전도 데이터를 사망 진단서 정보와 연결해 딥러닝 모델을 학습시켰습니다. 건강한 사람, 위험 환자, 그리고 나중에 급성 심장사로 사망한 환자의 심전도 스캔 데이터를 반복적으로 학습시켜 위험을 예측하는 파형 패턴을 스스로 익히도록 한 것입니다 . 이후에는 **미국(샌디에이고 지역)과 대만(타이베이)**에서 수집된 수천 건의 추가 환자 데이터를 사용해 모델의 정확도를 검증했습니다 . '네이처' 뉴스 기사는 이 모델이 광범위한 심전도 데이터와 사망 기록을 기반으로 개발되었음을 확인했습니다 .

위험 감지 성능

이 AI 시스템이 식별한 고위험군은 연간 7%의 급성 심장사율을 보였습니다. 이는 현재 임상에서 표준으로 사용되는 검사(심장이 박동당 내보내는 혈액량, 즉 박출률을 측정)가 식별한 고위험군의 연간 위험률 **4.6%**보다 훨씬 높은 수치입니다 . AI 모델은 더 넓은 범위의 고위험군을 찾아냈을 뿐만 아니라, 누가 급성 심장사로 사망할지 더 정확하게 예측했습니다. 이 차이는 매년 기존 검사로는 저위험군으로 분류되던 수천 명의 환자들에게 실질적인 영향을 미칠 수 있음을 의미합니다 .

왜 지금까지 발견이 어려웠나

미국에서만 매년 30만 명 이상의 목숨을 앗아가는 급성 심정지는 심장의 전기 시스템이 아무런 경고 없이 갑자기 작동을 멈추면서 발생합니다 . 오버마이어 교수는 "효과적인 치료법(심장에 리듬을 되찾아주는 이식형 제세동기)은 존재하지만, 의사들은 너무 늦기 전에 누가 이 치료를 필요로 하는지 알 수 없다"고 지적합니다 . 핵심 문제는 환자가 너무 갑작스럽게 사망하기 때문에 사망 직전 심장 내부에서 어떤 일이 일어났는지 거의 알 수 없다는 점입니다. 부검을 통해 심장의 구조적 이상은 알 수 있지만, 사망 직전의 전기적 기능 상태는 파악할 수 없기 때문입니다 .

향후 계획

연구팀은 이 알고리즘을 실제 의료 시스템에 배포하여 의사들이 내부 제세동기(ICD)가 필요한 환자를 더 잘 식별할 수 있도록 지원할 계획입니다 . 이 연구는 또한 심장 전기 오작동의 근본적인 생리학적 메커니즘에 대한 새로운 연구의 문을 열어주었습니다. 오버마이어 교수는 목표가 "더 나은 결정을 내리는 것뿐만 아니라, 환자의 심장이 멈추기 전에 실제로 무슨 일이 일어나고 있는지 이해하기 시작하는 것"이라고 밝혔습니다 . 심전도 검사는 일상적이고 저렴하며 전 세계 의료기관에서 이용 가능하기 때문에, 이 도구는 생명을 구하기 위해 널리 확장될 수 있습니다 .