TREWS — 패혈증이 오기 전에 울리는 AI 경보
존스홉킨스 대학이 개발한 TREWS는 5개 병원에서 590,736명의 환자를 전향적으로 모니터링한 AI 조기 경보 시스템이다. 2022년 Nature Medicine에 발표된 연구에 따르면, TREWS가 패혈증을 감지하고 의료진이 3시간 이내에 경보를 확인한 경우, 원내 사망률이 18.7%(상대적 감소) 낮아졌고, 항생제 투여까지의 시간이 1.85시간 단축됐다.
성공 팩트
존스홉킨스 대학이 개발한 TREWS는 5개 병원에서 590,736명의 환자를 전향적으로 모니터링한 AI 조기 경보 시스템이다. 2022년 Nature Medicine에 발표된 연구에 따르면, TREWS가 패혈증을 감지하고 의료진이 3시간 이내에 경보를 확인한 경우, 원내 사망률이 18.7%(상대적 감소) 낮아졌고, 항생제 투여까지의 시간이 1.85시간 단축됐다. 패혈증은 매 시간 치료가 지연될 때마다 사망률이 급증하는 질환이다. AI가 의사보다 먼저 위험 신호를 잡아낸 것이 아니라, 의사가 수백 명의 환자 차트를 동시에 볼 수 없는 물리적 한계를 AI가 보완한 것이다.
시너지의 본질
TREWS의 성공은 AI가 '진단'을 내린 것이 아니라 '주의를 끈' 것이다. 최종 판단과 치료는 전적으로 인간 의료진의 몫이었다. AI의 역할은 "이 환자를 지금 보세요"라는 한 줄의 경보였고, 그 한 줄이 사망률을 바꿨다.
모듈 시너지
모듈 E(위험 상황): 생명이 걸린 판단에서 AI 경보는 무시할 수 없는 '최소 행동 트리거'다. 경보가 울리면 일단 확인하라. 확인 후 오경보로 판명되더라도, 확인하지 않아서 놓치는 것보다 낫다.
모듈 A(정보 검증): AI 경보의 양성 예측도(PPV)는 완벽하지 않다. TREWS 연구에서 경보의 38%만 의료진이 확인 후 "실제 패혈증"으로 확정했다. 62%는 오경보였지만, 그 38%가 생명을 구했다. 오경보를 줄이는 것과 놓치는 환자를 줄이는 것 사이의 균형을 이해하라.
방패 연결
방패 편 S-70(IBM 왓슨 온콜로지) — 왓슨이 실패한 이유 중 하나는 학습 데이터가 실제 임상 환경을 반영하지 못했기 때문이다. TREWS가 성공한 이유는 실제 병원 데이터로 학습하고, 실제 병원에서 전향적으로 검증했기 때문이다. 학습 환경과 배치 환경의 일치가 의료 AI 성패를 가른다.
→ 본편: 2부 3장 (모듈 E — 위험 상황), 2부 4장 (모듈 A — 정보 검증)