자간전증 예측 AI의 성능과 한계: 높은 AUC만으로 임상 적용을 판단할 수 없는 이유

전자건강기록과 임상 데이터를 분석하는 인공지능은 자간전증 위험을 조기에 발견할 가능성을 보여주지만, 실제 의료 현장에 적용하려면 외부 검증과 교정, 설명 가능성 평가가 필요하다.

전자건강기록과 혈압, 혈액검사 결과를 분석해 자간전증 위험을 조기에 가려내는 인공지능 연구가 빠르게 늘고 있다. 일부 머신러닝 모델은 0.9에 가까운 높은 AUC를 보고하며 산부인과 진료를 바꿀 기술로 주목받는다. 그러나 높은 예측 성능이 곧바로 실제 병원에서 사용할 수 있다는 뜻은 아니다.

에콰도르 국립폴리테크닉대학교 연구진은 자간전증과 임신고혈압질환을 예측한 머신러닝 연구 29편을 분석했다. 그 결과 트리 기반 모델과 선형 모델이 가장 널리 사용됐고, 논문 초록에서 확인할 수 있는 AUC도 전반적으로 높았다. 반면 외부 검증과 확률 교정, 설명 가능성, 데이터 공개 여부처럼 임상 적용에 필요한 정보는 초록에 충분히 드러나지 않았다.

이번 연구가 보여준 핵심은 “자간전증 예측 AI의 성능이 형편없다”는 것이 아니다. 높은 성능 수치만으로 모델의 신뢰성과 임상 준비도를 판단해서는 안 되며, 논문 초록만으로는 중요한 검증 절차의 수행 여부조차 제대로 파악하기 어렵다는 점이다.

한눈에 보는 자간전증 예측 머신러닝 연구 결과

• 연구진은 자간전증과 임신고혈압질환을 다룬 머신러닝·인공지능 연구 29편을 최종 분석했다.
• 트리 기반 모델은 17편, 선형·일반화선형 모델은 15편, 서포트벡터머신은 9편, 신경망은 8편의 초록에서 확인됐다.
• 전자건강기록과 일반 임상 변수를 이용한 연구가 21편으로 가장 많았다.
• 논문 초록에서 수치가 확인된 14편의 AUC는 0.790~0.976 범위였으며, 평균은 0.873이었다.
• 외부 검증은 8편, 설명 가능성 관련 방법은 5편의 초록에서 확인됐다.
• 교정 관련 정보는 4편, 저장소 또는 데이터 출처 정보는 1편의 초록에서만 확인됐다.
• 이 수치는 연구 전문이 아니라 제목·초록·서지정보에서 확인된 정보만 집계한 결과이다.

자간전증과 임신성고혈압은 같은 질환이 아니다

자간전증은 흔히 ‘임신중독증’이라고 불리지만, 임신 중 발생하는 모든 고혈압을 의미하지는 않는다. 임신성고혈압은 임신 20주 이후 새롭게 고혈압이 나타났으나 단백뇨나 장기 손상 증거가 없는 상태를 가리킨다. 반면 자간전증은 고혈압과 함께 단백뇨 또는 간·신장·뇌·혈액·태반 등의 기능 이상이 나타나는 질환이다. 자간은 자간전증이 악화돼 경련이 발생한 상태이다.

따라서 ‘임신중독증’, ‘임신성고혈압’, ‘자간전증’을 완전히 같은 말처럼 사용하는 것은 정확하지 않다. 이번 리뷰도 자간전증을 중심으로 조사하되, 임신고혈압질환과 자간증, 조기발병자간전증, 자간전증 관련 산모 합병증을 예측한 연구를 일부 포함했다.

자간전증 예측 AI 연구 29편을 분석한 방법

마리아 페레스 연구팀은 ACM Digital Library, ScienceDirect, IEEE Xplore, PubMed, Scopus, SpringerLink 등 여러 학술 데이터베이스와 참고문헌 추적 검색을 이용했다. 중복 논문을 제거하고 연구 적합성을 두 단계로 검토한 뒤, 29편의 머신러닝·인공지능 연구를 최종 분석 대상으로 선정했다.

다만 이번 연구는 논문 전문을 모두 분석한 일반적인 체계적 문헌고찰과 성격이 다르다. 연구진은 제목, 초록, 발표 연도, DOI와 같은 서지정보에서 명시적으로 확인되는 내용만 추출한 ‘초록 수준 체계적 매핑 리뷰’를 수행했다.

따라서 외부 검증이 초록에서 확인되지 않았다고 해서 논문 전문에서도 외부 검증이 전혀 없었다고 단정할 수 없다. 이번 결과는 각 방법이 실제로 사용된 비율이 아니라, 중요한 정보가 초록에 얼마나 잘 공개됐는지를 보여주는 최소 추정치로 이해해야 한다.

자간전증 예측에 가장 많이 사용된 머신러닝 모델

모델 유형	논문 수	비율
트리 기반 모델	17편	58.6%
선형·일반화선형 모델	15편	51.7%
서포트벡터머신	9편	31.0%
신경망	8편	27.6%

의사결정나무, 랜덤포레스트, 그래디언트부스팅과 같은 트리 기반 모델이 가장 흔했다. 이 모델들은 전자건강기록처럼 수치형 변수와 범주형 변수가 뒤섞인 표 형식의 임상 데이터를 처리하는 데 적합하다. 비교 기준으로 활용하기 쉽고 결과를 상대적으로 해석하기 쉬운 로지스틱회귀 등의 선형 모델도 절반이 넘는 연구에서 확인됐다.

각 연구가 여러 알고리즘을 동시에 비교할 수 있었기 때문에 표의 비율을 합하면 100%를 넘는다. 이 수치만으로 특정 알고리즘이 다른 알고리즘보다 우수하다고 판단할 수도 없다. 연구마다 예측 시점과 대상 산모, 질환 정의, 입력 변수, 검증 방식이 달랐기 때문이다.

전자건강기록과 임상 변수가 핵심 데이터로 활용됐다

입력 데이터 유형	논문 수	비율
전자건강기록·임상 변수	21편	72.4%
인구통계학적 정보	10편	34.5%
혈액·소변검사 등 검사실 변수	7편	24.1%
혈압·생체징후	7편	24.1%
초음파·도플러 정보	6편	20.7%

자간전증 예측 AI가 전자건강기록과 혈압만 사용한 것은 아니다. 산모의 나이와 체질량지수, 기존 질환, 산과 병력, 검사실 수치, 평균동맥압, 초음파·도플러 결과, 태반성장인자와 같은 바이오마커도 활용됐다. 일부 연구는 유전체·오믹스 자료나 웨어러블기기 데이터까지 분석했다.

그러나 연구진이 집계한 것은 개별 위험요인의 중요도 순위가 아니라 초록에서 확인된 ‘변수 집단’이다. 따라서 이번 논문만으로 산모의 나이, 체질량지수 또는 특정 혈액검사 수치가 모든 모델에서 가장 중요한 변수였다고 단정해서는 안 된다.

평균 AUC 0.873이 의미하는 것과 의미하지 않는 것

29편 가운데 20편의 초록에서 AUC가 언급됐지만, 구체적인 수치는 14편에서만 추출할 수 있었다. 확인된 AUC는 0.790~0.976였으며 평균 0.873, 중앙값 0.859로 나타났다. 판별력만 놓고 보면 상당히 인상적인 결과이다.

AUC는 자간전증이 발생할 산모와 발생하지 않을 산모를 모델이 얼마나 잘 구분하는지를 보여준다. 0.5는 무작위 추정에 가까우며 1.0은 완벽한 구분을 뜻한다. 하지만 AUC가 높다고 해서 산모 한 사람에게 제시된 위험확률이 정확하다는 의미는 아니다.

예를 들어 실제 자간전증 발생률이 10%인 집단에서 AI가 어떤 산모들에게 30%의 위험을 제시했다면, 그 집단에서 실제로 약 30%가 자간전증을 겪는지 확인해야 한다. 이처럼 예측확률과 실제 발생률이 일치하는지를 평가하는 과정이 ‘교정’이다. 이번 리뷰에서 교정·브라이어점수·호스머-레메쇼검정 관련 정보가 초록에 나타난 연구는 4편에 불과했다.

연구진은 14편의 AUC 평균을 전체 분야의 통합 성능으로 계산하지 않았다. 질환의 정의, 예측 시점, 연구 대상, 의료 환경과 검증 방법이 서로 달라 단순 평균이나 직접 비교가 통계적으로 적절하지 않았기 때문이다. 평균 0.873은 초록에서 추출된 수치를 설명하기 위한 기술통계일 뿐, 자간전증 예측 AI의 공인 성능 기준이 아니다.

외부 검증이 자간전증 예측 AI에 필요한 이유

머신러닝 모델은 개발에 사용한 병원의 데이터에서 높은 성능을 보이면서도 다른 병원에서는 성능이 크게 떨어질 수 있다. 인종과 연령 구성, 자간전증 유병률, 검사 장비, 진료 방식, 혈압 측정법, 전자건강기록 체계가 달라지기 때문이다.

이러한 문제를 확인하려면 모델을 개발할 때 사용하지 않은 다른 기관이나 지역의 산모 데이터로 다시 평가해야 한다. 이것이 외부 검증이다. 시간의 흐름에 따른 진료 환경 변화를 견디는지 확인하는 시간적 검증도 필요하다.

이번 분석에서는 외부 검증이 초록에 명시된 연구가 8편으로 전체의 27.6%였다. 그러나 나머지 21편이 외부 검증을 전혀 하지 않았다고 해석해서는 안 된다. 논문 전문에는 관련 내용이 있을 수 있기 때문이다. 정확한 결론은 “외부 검증 여부가 초록에 충분히 공개되지 않았다”는 것이다.

설명가능한AI와 임상적 신뢰성의 관계

자간전증 위험이 높다는 결과만 표시하는 AI는 의료진에게 충분한 정보를 제공하지 못한다. 혈압 변화, 산과 병력, 검사실 수치, 초음파 결과 가운데 무엇이 예측에 영향을 미쳤는지 알 수 있어야 결과의 타당성을 검토할 수 있다.

설명 가능성과 관련된 방법이 초록에서 확인된 연구는 5편이었다. 여기에는 단순한 변수 중요도와 SHAP 같은 사후 설명 방법이 포함됐다. 그러나 변수 중요도는 모델이 참고한 정보의 상대적 비중을 보여줄 뿐, 해당 요인이 자간전증의 원인임을 증명하지 않는다. 설명가능한AI는 의료진의 판단을 돕는 수단이지 인과관계를 밝혀주는 장치는 아니다.

의료 AI가 설명을 제공하더라도 그 설명이 일관되고 임상적으로 타당한지 검증해야 한다. 모델의 판단 근거가 불안정하거나 의학적으로 무의미하다면 보기 좋은 설명 화면만으로 신뢰성을 확보할 수 없다.

현재 자간전증 예측 AI를 병원에서 바로 사용하기 어려운 이유

현재의 연구 결과는 자간전증 예측 AI가 유망하다는 사실을 보여주지만, 대부분의 모델이 곧바로 진료에 사용할 수 있는 완성된 의료기기라는 뜻은 아니다. 실제 임상 도입을 위해서는 다음 조건이 추가로 충족돼야 한다.

• 다른 병원과 국가의 산모를 대상으로 한 외부 검증
• 예측확률과 실제 발생률을 비교하는 교정 평가
• 민감도·특이도뿐 아니라 위양성과 위음성이 초래하는 피해 분석
• 인종, 연령, 사회경제적 조건과 의료 환경에 따른 하위집단 성능 평가
• 실제 진료에서 도움이 되는지를 측정하는 의사결정곡선과 순편익 분석
• 결측치 처리, 표본 불균형, 예측 시점과 질환 정의의 투명한 공개
• 기존 진료 방식과 비교한 전향적 임상 검증 및 업무 흐름 통합
• 데이터와 코드, 모델 또는 재현 가능한 자료의 공개

특히 자간전증은 놓쳤을 때의 위험이 큰 질환인 동시에, 위양성이 많아지면 산모에게 불필요한 불안과 검사, 치료를 초래할 수 있다. 따라서 정확도가 높다는 이유만으로 모델을 도입하기보다 실제 진료 결과를 개선하는지를 확인해야 한다.

자간전증 예측 AI에 관한 핵심 질문과 답변

높은 AUC만으로 머신러닝 모델을 신뢰할 수 있는가

그렇지 않다. AUC는 환자와 비환자를 구분하는 판별력을 보여줄 뿐이다. 외부 검증, 교정, 신뢰구간, 민감도와 특이도, 하위집단별 성능, 임상적 순편익을 함께 살펴야 한다. 개발 데이터에서만 성능이 높다면 과적합 가능성도 배제할 수 없다.

자간전증 예측 AI는 기존 산전검사를 대체할 수 있는가

현재로서는 대체재보다 보조수단에 가깝다. AI는 전자건강기록에 축적된 여러 임상 변수와 시간에 따른 변화를 함께 분석해 고위험군을 가려낼 가능성이 있다. 그러나 혈압 측정, 문진, 혈액·소변검사, 초음파와 의료진의 종합적인 판단을 대신할 단계는 아니다.

예측 결과가 높으면 임산부가 예방약을 바로 복용해도 되는가

AI 결과만으로 약을 복용해서는 안 된다. 저용량 아스피린과 같은 예방적 처치는 산모의 위험요인과 임신 시기, 출혈 위험 등을 의료진이 종합해 결정해야 한다. 이 글과 연구 결과는 개인의 진단이나 치료 지침을 대신하지 않는다.

이번 연구에서 외부 검증과 설명 가능성이 부족했다고 확정할 수 있는가

확정할 수 없다. 이번 리뷰는 논문 전문이 아니라 제목과 초록, 서지정보를 분석했다. 따라서 관련 방법이 논문 전문에 있었지만 초록에 적히지 않았을 가능성이 있다. 이번 결과는 연구 수행 자체의 부재보다 핵심 정보의 초록 공개 수준이 낮았다는 사실을 보여준다.

자간전증 예측 AI 연구가 나아가야 할 방향

자간전증 예측 AI의 다음 경쟁은 더 복잡한 알고리즘을 만드는 데만 있지 않다. 어느 시점에 무엇을 예측했는지, 어떤 산모에게 적용할 수 있는지, 다른 병원에서도 성능이 유지되는지, 예측확률이 실제 위험과 일치하는지를 투명하게 밝히는 것이 더 중요하다.

논문 초록도 달라져야 한다. 표본 수와 자간전증 발생 건수, 예측 시점, 사용 변수, 비교 모델, 검증 방식, 교정 결과, 신뢰구간, 하위집단별 성능, 설명 방법과 데이터·코드 공개 여부를 짧게라도 명시해야 한다. 그래야 의료진과 연구자가 초록만 읽고도 개발 연구와 실제 외부 검증 연구를 구분할 수 있다.

이번 연구는 자간전증 예측 AI의 가능성을 부정하지 않는다. 오히려 전자건강기록과 일상적인 임상 데이터만으로도 의미 있는 예측 모델을 개발할 가능성이 있음을 보여준다. 다만 화려한 AUC 뒤에 감춰진 검증 과정과 보고의 빈틈을 함께 보라고 요구한다. 의료 AI가 연구실의 점수를 넘어 산모와 태아를 지키는 도구가 되려면, 높은 정확도보다 투명성과 재현성, 공정성, 임상적 유용성이 먼저 증명돼야 한다.

연구의 한계

이번 연구는 논문 전문을 분석하지 않았으며, 연구 프로토콜도 PROSPERO 같은 등록기관에 사전 등록되지 않았다. 또한 AUC를 통합 분석하지 않았고 알고리즘별 성능 순위를 제시하지도 않았다. 자료 추출 과정에 대규모언어모델이 보조적으로 사용됐기 때문에 모호한 초록에서 분류 오류가 발생했을 가능성도 있다. 연구진은 이러한 한계를 줄이기 위해 두 연구자가 독립적으로 적합성을 재검토하고 의견 불일치를 합의로 조정했다.

출처

Pérez, M., Bastidas-Fuertes, A., Intriago-Pazmiño, M., Falconi, L. G., & Benavides, J. (2026). From Signals to Symptoms: An Abstract-Level Systematic Mapping Review of Machine Learning for Preeclampsia Prediction. Machine Learning and Knowledge Extraction, 8(3), 259. https://doi.org/10.3390/make8090259