호흡치료 기록 속 문장을 발관 실패 예측으로 바꾸는 방법

오늘 다룰 논문은 Enhancing Extubation Failure Prediction with LLM-Derived Features from Respiratory Therapy Clinical Notes이며, University of Washington Medicine 코호트를 바탕으로 호흡치료 기록에서 발관 실패 예측에 쓸 피처를 뽑아낸 연구로 arXiv 2609.17532 번호로 공개되어 있습니다. 이 연구가 내세우는 주장은 자유 텍스트 호흡치료 기록에서 대규모 언어모델로 분류한 임상적으로 의미 있는 피처를 구조화 환자 데이터와 함께 쓰면 구조화 데이터만 쓸 때보다 발관 실패 예측이 나아진다는 것으로, 원문은 제목 아래 링크된 논문 보기를 통해 확인할 수 있습니다. 안녕하세요, 패트릭입니다. 저는 이 논문을 처음 봤을 때 솔직히 제목보다 부제 쪽에 눈이 갔습니다. 발관 실패라는 무거운 임상 문제를 언어모델과 로지스틱 회귀라는 놀랍도록 담백한 조합으로 풀어보겠다는 태도가 궁금했기 때문입니다.

중환자실에서는 인공호흡기를 떼는 순간이 늘 조심스럽습니다. 너무 일찍 떼면 환자가 다시 삽관을 해야 하고, 너무 늦게 떼면 감염이나 근육 약화 같은 다른 위험이 커지니까요. 그런데 이 판단은 숫자로만 내리기 어렵습니다. 모니터에는 산소포화도나 호흡수 같은 수치가 찍히지만, 환자가 실제로 숨을 어떻게 쉬는지, 가래는 어떤지, 자발 호흡 시도는 얼마나 버거워 보이는지는 대개 침상 곁 기록에만 남습니다. 제가 이 논문에서 가장 흥미롭게 본 부분은 바로 그 간극이었습니다. 이미 병원에 있는 텍스트를 버리지 않고 예측에 끌어들인다는 발상이죠.

발관을 떼는 순간이 왜 이렇게 어려울까

인공호흡기를 쓰는 환자 곁에 서 있다고 상상해 보시면 됩니다. 오전 회진 시간이 다가오고, 담당의는 오늘 발관을 시도할지 말지를 정해야 합니다. 차트에는 활력징후와 검사 결과가 줄줄이 있지만, 정작 호흡치료사가 새벽에 남긴 메모에는 환자가 자발 호흡을 시도하다 금방 지쳐 보였다거나, 분비물이 끈적해서 흡인이 자주 필요했다는 관찰이 적혀 있습니다. 그렇다면 숫자와 문장 중 어느 쪽이 오늘의 발관 가능성을 더 잘 말해줄까요. 답은 둘 다인데, 문제는 지금까지 예측 모델이 둘 중 하나만 보는 경우가 많았다는 데 있습니다.

발관 실패(extubation failure)는 발관을 시도한 뒤 다시 인공호흡이 필요해지는 상황을 넓게 가리키는데, 이 정의부터 연구마다 조금씩 다릅니다. 어떤 연구는 재삽관까지의 시간을 짧게 잡고, 어떤 연구는 비침습 환기를 포함한 넓은 실패를 봅니다. 그래서 모델 성능 수치만 놓고 우열을 가리기 어렵습니다. 저는 이 숫자보다 그 뒤의 구조가 더 중요하다고 봅니다. 무엇을 실패로 보는지, 누구를 연구에 포함했는지가 달라지면 모델이 배우는 풍경 자체가 바뀌기 때문입니다. 이 논문은 그 점을 정면으로 짚습니다. 포함 기준과 실패 정의가 달라지면 성능에 체계적인 차이가 생긴다고 말이죠. 그래서 읽기 전부터 마음가짐이 달라집니다. 점수를 올렸다는 말보다, 어떤 조건에서 그 점수가 나왔는지를 보게 됩니다.

차트 숫자에 없는 이야기가 기록에는 있다

구조화 데이터는 기계가 읽기 편합니다. 나이, 진단 코드, 검사 수치, 인공호흡기 설정값처럼 칸이 정해져 있으니까요. 반면 호흡치료 기록은 사람이 사람을 위해 쓴 문장입니다. 호흡 양상이 얕아졌다, 자발 호흡 시도 중 보조가 많이 필요했다, 분비물 양이 늘었다 같은 표현이 그날의 맥락과 함께 적힙니다. 이런 문장은 표준 코드로 바꾸기 어렵습니다. 같은 현상도 치료사마다 다르게 적고, 시간대마다 뉘앙스가 달라지기 때문입니다.

그런데 임상적으로 보면 바로 그 문장 안에 답이 있을 때가 많습니다. 발관이 잘 될 환자는 대개 며칠 전부터 기록의 결이 달라집니다. 자발 호흡이 안정되고, 흡인 빈도가 줄고, 치료사의 서술이 짧아지면서도 긍정적으로 바뀌죠. 반대로 실패에 가까운 환자는 기록이 길어지고 걱정이 묻어납니다. 밤사이 흡인을 몇 번 했는지, 산소 요구량이 흔들렸는지 같은 이야기가 반복됩니다. 생각해보면 사람도 비슷하게 배웁니다. 수치만 보는 게 아니라 옆 사람의 표정과 말투까지 함께 읽으니까요. 저는 구조화 필드에 없는 침상 곁 신호가 자유 텍스트에 있다는 이 논문의 전제를 꽤 설득력 있게 느꼈습니다. 새로운 센서를 다는 게 아니라 이미 적고 있던 문장을 다시 읽자는 제안이기 때문입니다.

이번 연구가 바꾼 것은 모델이 아니라 재료다

그렇다면 이 연구는 정확히 무엇을 제안할까요. 거대한 end to end 신경망을 새로 학습시킨 것이 아닙니다. 대신 재료를 바꾸는 선택을 했습니다. 자유 텍스트 호흡치료 기록에서 임상적으로 의미 있는 피처를 대규모 언어모델로 분류해 뽑아내고, 그 피처를 기존 구조화 환자 데이터와 합쳐 로지스틱 회귀로 예측하는 파이프라인을 만들었습니다. 말하자면 언어모델은 판독자(reader) 역할을 하고, 최종 판단은 해석이 쉬운 회귀 모델이 맡는 구조죠.

이 분업이 마음에 듭니다. 요즘은 뭐든 하나의 큰 모델에 맡기고 싶어지지만, 의료 예측에서는 누가 왜 그렇게 판단했는지 설명할 수 있어야 합니다. 로지스틱 회귀는 각 피처가 예측에 어느 방향으로 얼마나 기여했는지 읽히기 때문에 임상의가 결과를 받아들이기 쉽습니다. 반면 텍스트 분류는 사람이 일일이 하기에는 양이 너무 많습니다. 수천 건의 기록을 연구팀이 눈으로 읽는 것은 시간도 오래 걸리고 기준도 흔들립니다. 그래서 읽기 어려운 부분은 언어모델에 맡기고, 판단하는 부분은 투명한 모델에 맡긴 셈입니다. 저희가 새로운 AI 아키텍처를 볼 때도 benchmark 숫자만 보지는 않습니다. 실제로 무엇이 바뀌었고, 그 변화가 시스템에서 어떤 비용 구조를 만드는지를 함께 봅니다. 여기서는 비용이 모델 크기가 아니라 워크플로에 대한 신뢰라고 할 수 있죠.

오해하기 쉬운 점부터 바로잡고 싶습니다

이 논문을 읽을 때 흔히 생기는 오해를 먼저 짚고 싶습니다. 언어모델이 의사를 대신해 발관 여부를 결정한다는 이야기가 아닙니다. 이 파이프라인은 위험도를 더 잘 추정하기 위한 보조 신호를 만드는 일에 가깝습니다. 최종 결정은 여전히 임상의가 내리고, 모델은 그 판단에 들어가는 재료 한 가지를 보태는 역할이죠. 그래서 논문이 말하는 성능 향상도 자율 판단의 성공이 아니라 예측 입력의 개선으로 읽어야 합니다.

또 하나는 언어모델이 기록을 통째로 요약한다는 상상이지만, 실제에 가까운 그림은 분류에 가깝습니다. 미리 정한 임상 피처가 문장에 있는지 없는지를 판단하는 방식이죠. 요약은 매번 표현이 달라져 downstream 모델이 쓰기 어렵지만, 분류된 피처는 표의 한 열처럼 쓸 수 있습니다. 있음과 없음, 혹은 경증과 중증 같은 정해진 형태로 바뀌니까요. 이 차이는 생각보다 중요합니다. 자유로운 생성보다 정해진 질문에 답하게 하면 출력이 안정되고, 나중에 어떤 피처가 예측에 기여했는지 추적하기도 쉬워집니다. 일종의 오답 노트처럼요. 모호한 문장을 그냥 넘기지 않고 체크리스트에 옮겨 적는 과정이라고 보시면 됩니다.

기록 한 줄이 예측용 숫자 한 칸이 되기까지

여기서 재미있는 질문이 생깁니다. 문장은 어떻게 숫자가 될까요. 논문이 제시한 흐름을 머릿속으로 그려보면 이렇습니다. 먼저 University of Washington Medicine 코호트 환자들의 호흡치료 기록을 모읍니다. 여기에는 발관 전후 시점의 관찰이 시간 순서대로 쌓여 있습니다. 다음으로 언어모델이 각 기록을 읽고 미리 정의된 임상 피처에 해당하는 내용이 있는지 분류합니다. 예를 들어 분비물 부담이 큰지, 자발 호흡 시도가 불안정한지, 보조 수준이 높은지 같은 항목들이죠. 이렇게 뽑힌 피처는 환자별로 정리되어 구조화 데이터와 나란히 놓입니다.

그리고 마지막 단계에서 로지스틱 회귀가 두 종류의 입력을 함께 보고 발관 실패 확률을 추정합니다. 학습 과정에서는 구조화 데이터만 썼을 때와 텍스트 유래 피처를 더했을 때를 비교합니다. 논문이 보고하는 바에 따르면 후자가 더 나은 예측을 보였는데, 저는 이 비교 구도 자체가 정직하다고 느꼈습니다. 텍스트만으로 뭔가 대단한 것을 했다고 주장하는 대신, 기존 재료에 무엇을 더했더니 무엇이 달라졌는지를 보여주기 때문입니다. 실제 시스템 관점에서 보면 다음 질문이 바로 생깁니다. 이 파이프라인을 매일 밤 자동으로 돌릴 수 있을까, 기록이 늦게 올라오면 예측은 어떻게 처리할까 같은 것들이죠. 이런 질문이 생긴다는 것 자체가 이 설계가 현장에 가깝다는 뜻입니다.

왜 하필 로지스틱 회귀였을까

조금 의아하실 수도 있습니다. 언어모델까지 썼으면서 마지막은 왜 가장 고전적인 모델일까요. 저는 여기서 오히려 연구팀의 의도가 읽힌다고 봅니다. 의료 현장에서는 복잡한 모델보다 설명 가능한 모델이 오래 살아남기 때문입니다. 로지스틱 회귀는 각 피처의 가중치를 그대로 보여줍니다. 분비물 부담 피처가 양의 방향으로 크게 작용했다면 임상의는 그 이유를 바로 이해하고 기록으로 돌아가 확인할 수 있습니다. 블랙박스 점수 하나만 던져지면 오히려 불신이 커지는데, 이 구조에서는 점수와 근거가 함께 가니까요.

게다가 데이터 규모를 생각하면 고전 모델의 선택은 더 납득이 됩니다. 단일 기관 코호트에서는 수만 건의 풍부한 텍스트가 있어도 발관 실패라는 사건 자체는 그중 일부에 불과합니다. 파라미터가 많은 모델을 쓰면 과적합 위험이 커지고, 기관이 바뀌면 성능이 흔들리기 쉽습니다. 반면 피처 수를 임상 의미 위주로 묶고 회귀로 얹으면 variance가 작아집니다. 물론 표현력이 부족하다는 반론도 가능합니다. 텍스트 속 미묘한 시간 패턴이나 상호작용을 회귀식이 다 담지 못할 수 있으니까요. 하지만 저는 이번에는 단순함이 미덕이었다고 봅니다. 무엇을 더했는지를 투명하게 보여주는 것이 이 연구의 목적에 더 맞기 때문입니다.

구조화 데이터만 쓰면 무엇을 놓치게 될까

표면적으로 보면 구조화 데이터는 이미 충분해 보입니다. 산소포화도, 동맥혈 가스, 호흡수, 인공호흡기 압력 같은 수치는 발관 판단의 근거로 오래 쓰여 왔으니까요. 그런데 막상 침상에서는 수치가 정상처럼 보여도 치료사가 걱정하는 경우가 있습니다. 환자가 수치상으로는 버티는데 숨쉬는 모양이 힘들다거나, 흡인 뒤 잠깐 좋아졌다 다시 나빠지는 패턴이 반복된다는 관찰이죠. 이런 것은 필드에 체크하기 어렵습니다. 체크박스로는 숨의 질감을 담기 어렵기 때문입니다.

반면 텍스트는 시간을 품고 있습니다. 어제보다 오늘이 어떤지, 밤과 낮이 어떻게 다른지 같은 흐름이 문장에 남습니다. 가령 분비물에 대한 언급이 사흘 연속 늘어난다면 수치 한 시점보다 그 추세가 임상 직관에 더 크게 와닿을 수 있습니다. 경험 많은 치료사는 기록을 훑어보는 것만으로 환자의 방향을 느낍니다. 언어모델로 피처를 뽑는 일은 그 훑어보기를 기계가 따라 해보는 시도라고 할 수 있습니다. 저는 그래서 이 연구를 텍스트 마이닝이라기보다 침상 관찰의 디지털 복원에 가깝게 읽었습니다. 이미 존재했지만 표에 들어가지 못했던 지식을 표로 옮기는 작업이니까요.

정의를 어떻게 내리느냐가 점수를 바꾼다

여기서는 조금 조심해서 읽을 필요가 있습니다. 이 논문이 함께 지적한 방법론적 문제는 발관 실패 연구 전반에 해당합니다. 포함 기준이 연구마다 다르고 실패 정의도 달라서 모델 성능을 직접 비교하기 어렵다는 것이죠. 어떤 연구는 계획된 발관만 포함하고 어떤 연구는 응급 상황까지 넓게 포함합니다. 어떤 연구는 48시간 내 재삽관만 실패로 보고 어떤 연구는 72시간이나 7일까지 봅니다. 이렇게 조건이 다르면 같은 모델이라도 점수가 달라질 수밖에 없습니다.

이 지적은 겸손하게 들리지만 사실 꽤 날카롭습니다. 성능표에서 소수점 경쟁을 하기 전에 경기 규칙이 같은지를 먼저 물어야 한다는 뜻이니까요. 제가 앞으로 보고 싶은 것은 바로 이 지점의 후속입니다. 서로 다른 정의와 포함 기준 아래에서 텍스트 유래 피처의 이득이 얼마나 안정적으로 유지되는지, 기관이 바뀌어도 같은 종류의 기록에서 같은 방향의 개선이 나오는지가 궁금합니다. 단일 기관 결과는 출발점으로 귀하지만 일반화는 별개의 숙제입니다. 논문도 이 일반화의 어려움을 숨기지 않습니다. 정의와 기준의 차이가 모델 이동을 가로막는다고 분명히 말하죠. 이런 솔직함이 오히려 신뢰를 줍니다. 잘된 부분만 부풀리지 않고 경계를 함께 그어주기 때문입니다.

병원에서 매일 돌리려면 무엇이 필요할까

좋은데, 이걸 실제로 어떻게 서빙할까요. 논문을 읽고 나면 결국 이 질문으로 돌아오게 됩니다. 중환자실은 분 단위로 돌아가는 곳이라 예측 파이프라인도 그 속도에 맞춰야 합니다. 기록이 작성되는 대로 피처를 뽑고, 구조화 데이터와 합쳐 점수를 갱신하는 흐름이 필요합니다. 이때 언어모델 호출 비용과 지연이 문제가 될 수 있습니다. 매 기록마다 큰 모델을 호출하면 비용이 쌓이고, 밤사이 기록이 몰리면 큐가 밀릴 수 있으니까요. 배치로 묶어 돌릴지, 발관 평가 시점에만 돌릴지 같은 운영 선택이 필요합니다.

또 하나는 기록 품질의 편차입니다. 치료사마다 적는 분량과 표현이 다르고, 바쁜 날에는 기록이 짧아집니다. 분류 피처가 기록 분량에 민감하면 바쁜 날의 예측이 흔들릴 수 있습니다. 그래서 결측과 희소성에 대한 처리가 중요합니다. 기록이 없을 때를 어떻게 다룰지, 짧은 기록과 긴 기록을 같은 저울에 올릴지가 정해져야 하죠. 개인정보와 접근 권한도 빼놓을 수 없습니다. 자유 텍스트에는 식별 정보나 민감한 서술이 섞일 수 있어 모델 입력 전후의 마스킹과 감사 추적이 필요합니다. 이런 이야기를 하면 밋밋하게 들릴 수 있지만, 운영 측면에서 보면 이 차이는 상당히 큽니다. 연구실 점수와 새벽 3시 중환자실 알람은 다른 세계이기 때문입니다.

한 줄 요약이 놓치는 것들

이 연구를 한 줄로 줄이면 언어모델로 기록을 읽었더니 예측이 좋아졌다는 말이 됩니다. 틀린 말은 아닙니다. 하지만 그 문장만 남기면 중요한 것이 다 지워집니다. 무엇을 읽었는지, 어떻게 숫자로 바꿨는지, 무엇과 합쳤는지, 어떤 조건에서 좋아졌는지가 빠져버리니까요. 특히 임상적으로 의미 있는 피처로 묶었다는 대목이 빠지면 그냥 텍스트를 벡터로 넣은 것과 같은 이야기로 들립니다. 실제로는 정반대에 가깝습니다. 자유 생성이 아니라 정해진 임상 질문에 답하게 했고, 판단은 해석 가능한 회귀에 맡겼다는 것이 이 설계의 개성이죠.

같은 이유로 구조화 대 텍스트라는 대결 구도로 읽는 것도 아쉽습니다. 논문이 말하는 것은 텍스트가 구조화를 이겼다는 것이 아니라 둘을 합쳤을 때 더 좋아졌다는 것입니다. 수치와 문장은 서로 다른 층의 정보를 담고 있습니다. 수치는 순간의 상태를 정확히 재고, 문장은 그 상태에 이르는 과정과 질감을 담습니다. 둘을 합치는 일은 어느 하나를 버리는 일이 아니라 환자를 입체로 보는 일에 가깝습니다. 저는 이 보완 관계가 이 논문의 가장 오래 남을 메시지라고 봅니다. 새로운 신호를 찾겠다고 기존 신호를 부정하지 않았다는 점에서요.

다음 연구가 풀어야 할 질문들

그렇다면 다음은 무엇일까요. 제가 이 논문을 덮으며 적어둔 질문은 세 가지입니다. 첫째, 이 피처 분류가 기관과 서술 스타일을 넘어 얼마나 통할까 하는 점입니다. University of Washington Medicine 기록에서 잘 뽑힌 피처가 다른 병원의 양식과 용어에서도 같은 의미로 뽑힐지는 검증이 필요합니다. 치료 기록은 표준화가 덜 된 영역이라 기관 이동이 곧 성능 시험이 되기 때문입니다. 둘째, 시간성의 문제입니다. 발관 직전 기록만으로 충분한지, 며칠간의 추세를 어떻게 넣어야 하는지가 더 파고들 만합니다. 침상 감각으로 보면 추세가 단면보다 중요할 때가 많으니까요.

셋째, 임상의와의 상호작용입니다. 예측 점수와 함께 어떤 피처가 기여했는지를 어떻게 보여줘야 실제 발관 회진에서 쓰일까요. 점수 하나만 띄우면 알람 피로만 늘 수 있습니다. 오히려 분비물 부담이나 자발 호흡 불안정 같은 피처를 원문 문장과 함께 보여주면 의사가 바로 기록으로 돌아가 확인할 수 있습니다. 설명 가능성은 모델 수학이 아니라 이런 화면과 문구에서 완성됩니다. 물론 이 논문의 범위를 넘어서는 이야기입니다. 하지만 좋은 논문은 답뿐 아니라 다음 실험의 모양까지 남깁니다. 그런 점에서 이 연구는 다음 발걸음을 상상하기 쉽게 만들었습니다.

기록을 다시 읽는 일이 남기는 것

처음으로 돌아가 보겠습니다. 발관이라는 결정은 숫자와 사람 사이 어딘가에서 내려집니다. 수치만 보면 놓치는 것이 있고, 사람 기억에만 의존하면 흔들리는 것이 있죠. 이 연구는 그 사이에 다리를 하나 놓았습니다. 이미 병원에 쌓이는 호흡치료 기록을 언어모델로 읽어 임상 피처로 바꾸고, 구조화 데이터와 함께 투명한 모델로 예측하는 다리입니다. 거창한 자율 판단이 아니라 매일의 회진을 조금 더 단단하게 만드는 종류의 진전이죠.

개인적으로는 이런 종류의 진전이 더 반갑습니다. 새로운 데이터를 모으자고 하기보다 이미 적고 있는 문장을 존중하는 방식이기 때문입니다. 치료사가 밤사이 남긴 한 줄이 다음날 아침 예측에 반영된다면 기록의 의미도 달라집니다. 적는 일이 단순한 의무를 넘어 다음 판단을 돕는 일이 되니까요. 그렇다면 사람의 역할은 무엇일까요. 모델이 문장을 읽는 동안 사람은 환자를 보고, 모델이 점수를 내는 동안 사람은 책임을 집니다. 저는 그 분업이 꽤 오래갈 것이라고 봅니다. 문장을 숫자로 바꾸는 일은 기계가 잘하지만, 숫자를 앞에 두고 떼어도 좋다고 말하는 일은 여전히 사람의 몫이니까요.