AI 기술로 HIV 예방 강화, 파클랜드 보건이 혁신적인 모델 도입

최근 10년간 HIV 전염 예방에 있어 주요한 돌파구들이 이루어졌으며, 공공 보건 리더들의 노력 덕분에 감염율이 감소세를 보이고 있습니다. 하지만 여전히 해결해야 할 과제가 존재합니다.

예방 전략인 사전 노출 예방 요법(PrEP)은 꾸준히 복용할 경우 HIV 감염 위험을 최대 99%까지 감소시킬 수 있는 뛰어난 효과를 보이고 있습니다. 이에 따라 질병통제예방센터(CDC)는 HIV 감염 위험이 있는 모든 성관계 활동 중인 환자에게 PrEP에 대한 상담과 처방을 권고하고 있습니다.

그러나 그 효과에도 불구하고 PrEP은 인식의 부족으로 인해 여전히 저조하게 사용되고 있습니다. 인공지능(AI)이 이러한 상황에서 우리의 HIV 예방 노력을 크게 발전시키는 기회를 제공하고 있습니다.

우리는 협력 노력을 통해 항레트로바이러스 요법 및 효과적인 예방 약물의 사용 증가로 HIV 관련 이환율 및 사망률 개선의 성과를 보고 있습니다. CDC에 따르면 전국적으로 HIV 감염률은 2017년 13.6%에서 2022년에는 11.3%로 감소했습니다.

하지만 텍사스주 달라스 카운티에서는 HIV 감염률이 2022년 기준으로 10만 명당 41.4명으로, 주 평균인 10만 명당 17.1명을 훨씬 초과하는 기회가 있었습니다.

북부 텍사스 최대 안전망 병원 시스템인 파클랜드 보건은 위험에 처한 인구를 광범위하게 서비스하며, HIV 검사 및 PrEP 프로그램에 대한 인식을 높일 수 있는 중요한 기회를 제공하고 있습니다.

우리는 사명은 분명하나 도전 과제가 크다는 것을 알고 있었습니다. 효과적인 예방 치료 방법과 대상자의 접촉 기회는 있지만, 어떻게 간단하게 해당 대상을 식별할 수 있을지가 부족했습니다.

이러한 중요한 격차를 해결하기 위해, 우리는 전자 건강 기록 데이터를 기반으로 한 예측 모델인 파클랜드 클리니컬 이노베이션(PCCI)의 HIV 탐지 AI 모델을 개발하고 구현했습니다. 해당 모델은 파클랜드의 워크플로우에 통합되도록 설계되었습니다.

HIV 탐지 프로젝트는 2020년 말에 시작되었습니다. 우리는 파클랜드와 협력하여 다양한 플랫폼을 통합하고 HIV 위험 점수를 부여할 수 있는 인구 집단을 식별했습니다.

2022년 말 모델이 가동되자, 건강 기록을 사용하여 HIV에 감염될 가능성이 높은 개인을 예측하고 PrEP의 후보가 될 수 있는 환자들을 식별할 수 있었습니다. 이렇게 식별된 환자들에게는 HIV 검사가 제공되며, 음성이 확인되면 PrEP을 제안받게 됩니다.

현재까지 HIV 탐지 모델은 수십만 명의 위험 환자를 찾아내는 성과를 올렸으며, 이는 기계 학습 모델이 가능한 데이터를 통해 HIV의 위험을 예측하고 분류하는 데 효과적임을 보여줍니다.

우리는 이러한 성과를 혁신적인 돌파구로 보고 있으며, AI 모델이 취약한 인구의 필요를 충족시키고 자원 제한이 있는 병원 환경에서도 구현 가능함을 보여주고 있습니다. 지난 1년 동안 이 모델에 대한 방법 및 결과를 3편의 동료 심사 논문으로 발표했습니다.

현재 달라스 카운티 보건 및 인적 서비스와 함께 진행 중인 추가 프로젝트를 통해 이 모델을 더욱 확장하여 더 많은 환자들에게 도달할 수 있는 기회를 마련하고 있습니다.

파클랜드와 달라스 카운티 내 예측 모델을 활용함으로써, 의료 제공자들은 HIV 감염 위험이 높은 개인과 PrEP의 주요 후보를 신속하게 파악할 수 있습니다. 이러한 접근은 HIV 예방의 중요한 격차를 해소하고 달라스 카운티의 HIV 감염률 감소에 기여할 것입니다.

이미지 출처：dallasnews