🤖 AI·머신러닝

관상동맥 우회술 후 합병증 예측 및 예방을 위한 간호사 주도 대형언어모델 챗봇: 무작위 대조군 시험 계획

📅 2026년 8월 5일 📰 JMIR research protocols 👀 조회 2

심장 수술을 받고 퇴원한 환자의 10~20%가 한 달 안에 다시 병원에 실려 온다. 관상동맥 우회술(CABG) 후 30일 내 재입원은 환자에게는 고통이고, 의료 시스템에는 비용이다. 특히 의료 자원이 제한적인 저중소득국에서는 이 문제가 더 심각하다.

인도 아름리타 의과대학 연구팀은 이 문제에 대한 기술적 해법을 설계했다. Smart CABGuard라는 이름의 간호사 주도 대형언어모델(LLM) 기반 챗봇 시스템이다. 이 시스템은 환자 퇴원 후 매일 챗봇 체크인, 위험도 분류, ECG 모니터링, 간호사 주도 분류(triage)를 제공한다. 핵심은 Mistral-7B LLM을 기반으로 한 합병증 위험 지수(Complication Risk Index, CRI) 엔진이다.

연구는 세 단계로 설계되었다. 1단계는 2020년 1월부터 2024년 12월까지의 후향적 데이터와 전향적 요구 조사를 결합해 CRI를 개발하는 것이다. 2단계는 시스템의 사용성 평가이며, 사용성 임계값을 80% 이상으로 설정했다. 3단계는 총 800명(각 군 400명)을 대상으로 하는 전향적 무작위 대조군 시험(RCT)이다. 표준 치료군은 일반 퇴원 교육과 전화 추적만 제공하고, 중재군에는 Smart CABGuard를 약 24일간 적용한다.

주요 평가 지표는 30일 전 인인 미계획 재입원률이다. 기준 재입원률을 10.71%로 설정하고, 50%의 상대적 감소를 목표로 한다. 유의수준 α=0.10, 검정력 80%로 계산된 샘플 크기다. 2026년 8월부터 2027년 9월까지 환자 모집이 예정되어 있으며, 결과는 2028년 초 발표를 목표로 한다.

이 연구의 의미는 LLM 기반 임상 의사결정 지원 시스템이 저중소득국 환경에서 처음으로 RCT로 평가된다는 점이다. 기존 위험 모델은 정적이었고 실시간 참여가 불가능했다. Smart CABGuard는 일회성 평가가 아닌, 퇴원 후 약 24일간 지속적인 원격 감시를 제공한다.

다만 이 논문은 연구 계획서(protocol)이며, 아직 결과가 나오지 않았다. 시스템의 실제 효과는 2028년 결과 발표 후에야 확인할 수 있다. 또한 스마트폰 접근성이 필요하므로, 디지털 소외 계층에는 적용이 어려울 수 있다.

심장 수술 후 관리가 필요한 환자와 보호자에게 시사하는 바는 명확하다. 퇴원 후에도 증상 변화를 매일 기록하고, 이상 증상 발생 시 즉시 의료진에 알리는 것이 핵심이다. AI가 도입되기 전에도, 이 원칙은 변하지 않는다.

📖 *Nurse-Led Large Language Model Chatbot for Predicting and Preventing Complications After Coronary Artery Bypass Grafting: Protocol for a Randomized Controlled Trial (RCT 프로토콜, 목표 800명)* | 논문 원문

※ 이 기사는 의학 논문을 바탕으로 작성되었습니다. 개인 건강 상태에 따라 다를 수 있으니 전문의와 상담하세요.

Within 30 days of discharge after coronary artery bypass grafting (CABG), 10% to 20% of patients are readmitted to the hospital. For patients, this means renewed suffering; for healthcare systems, it means avoidable costs. In low- and middle-income countries (LMICs) where cardiac rehabilitation access is limited, the problem is even more acute.

A research team at Amrita Institute of Medical Sciences in Kochi, India, has designed a technological response. Smart CABGuard is a nurse-led, large language model (LLM)-based clinical decision support chatbot that combines daily check-ins, risk stratification, continuous ECG monitoring, and nurse-led triage. At its core is a Complication Risk Index (CRI) engine powered by a frozen Mistral-7B LLM fine-tuned with low-rank adaptation.

The study unfolds in three phases. Phase I combines retrospective data (January 2020 to December 2024) with a prospective needs survey to develop the CRI. Phase II evaluates system usability with a minimum threshold of 80%. Phase III is a prospective randomized controlled trial enrolling 800 patients (400 per arm), with the intervention group receiving Smart CABGuard-assisted care for approximately 24 days post-discharge alongside standard care.

The primary outcome is 30-day all-cause unplanned readmission. With a baseline rate of 10.71%, the study targets a 50% relative reduction, using alpha=0.10 and 80% power. Recruitment is anticipated from August 2026 to September 2027, with results expected in early 2028.

This study is significant as the first RCT protocol of an LLM-based nurse-led clinical decision support system in an LMIC setting. Existing risk models are static and lack real-time engagement. Smart CABGuard provides continuous remote surveillance for approximately 24 days post-discharge — a fundamentally different approach.

However, this paper is a study protocol, not results. The actual effectiveness will only be known after 2028. Additionally, the system requires smartphone access, which may exclude digitally marginalized populations.

For CABG patients and caregivers, the key message is straightforward. After discharge, daily symptom tracking and immediate reporting of abnormalities to healthcare providers remains essential. AI may augment this process, but the underlying principle does not change.

※ This article is based on a medical research paper. Individual health conditions may vary; please consult a healthcare professional.