AI 기반 의료 코딩 개선의 필요성 제기: ICD-10 동반 질환 코딩 정확도 연구 결과 발표

본 기사는 캐나다에서 20년간 진행된 ICD-10 동반 질환 코딩 정확도 연구 결과를 소개합니다. 연구 결과, 시간이 지날수록 코딩 정확도가 감소했지만, 특정 질환은 상대적으로 안정적인 것으로 나타났습니다. 연구진은 AI 기반 전자 건강 기록 분석을 통해 코딩 품질을 향상시킬 필요성을 강조했습니다.

캐나다 앨버타에서 20년(2003년~2022년)에 걸쳐 진행된 연구에 따르면, 국제 질병 분류 10차 개정판(ICD-10) 행정 데이터를 사용한 동반 질환 코딩의 유효성이 점차 감소하고 있는 것으로 나타났습니다. Jie Pan을 비롯한 8명의 연구진은 3개의 환자 코호트(2003년 4,008명, 2015년 3,045명, 2022년 9,024명)를 분석하여 이러한 결론에 도달했습니다.

연구 결과의 주요 내용은 다음과 같습니다.

• 코딩 정확도 저하: 17가지 임상 질환에 대한 차트 검토와 ICD-10 코딩 간의 유병률 차이는 2003년 2.1%, 2015년 7.6%, 2022년 6.3%로 나타났습니다. 이는 시간이 지남에 따라 코딩의 정확성이 감소했음을 의미합니다.
• 일부 질환의 상대적 안정성: 당뇨병과 전이성 암과 같은 특정 질환의 코딩 정확도는 상대적으로 안정적인 수준을 유지했습니다. 그러나 다른 많은 질환에서는 코딩 정확도가 크게 떨어졌습니다.
• 민감도 변화: 17가지 질환에 대한 민감도는 2003년 39.685.1%, 2015년 1.385.2%, 2022년 3.0~89.7%로 다양하게 나타났습니다. 이는 특정 질환에 대한 코딩 정확도가 시간에 따라 변동성을 보임을 시사합니다.
• 사망률 예측: ICD-10 코딩을 이용한 입원 사망률 예측의 C-통계량은 2003년 0.84, 2015년 0.81, 2022년 0.78로 나타났습니다. 코딩 부정확성에도 불구하고 사망률 예측에 미치는 영향은 제한적이었습니다.
• 코딩 부정확성의 원인: 연구진은 병원 환자 수 증가와 코더의 제한된 시간을 코딩 부정확성의 주요 원인으로 지적했습니다.

연구의 시사점:

이 연구는 ICD-10 행정 데이터를 사용한 동반 질환 코딩의 정확도에 대한 우려를 제기합니다. 특히, 시간이 지남에 따라 코딩 정확도가 감소하는 경향은 의료 데이터의 신뢰성에 대한 문제를 야기할 수 있습니다. 연구진은 전자 건강 기록을 기반으로 한 인공지능 방법을 개발하여 코딩 관행을 지원하고 코딩 품질을 향상시킬 필요성을 강조했습니다. 이는 AI를 활용하여 의료 데이터의 정확성과 효율성을 높이는 새로운 가능성을 제시하는 중요한 연구 결과입니다.

참고: 본 기사는 연구 논문의 주요 내용을 바탕으로 작성되었으며, 연구의 세부 내용은 원 논문을 참고하시기 바랍니다.