코로나19와 같은 감염병 재난 시 일반환자, 감염환자, 의료진의 감염병 대응 환경 개선과 역량 고도화를 통해 지속 가능한 K-의료체계 구축 및 의료안전 강화를 꾀하는 사업이 있다.

바로 감염병의료안전강화기술개발사업이 그것.

주관부처는 보건복지부이고 총괄기관은 재단법인 범부처방역연계감염병연구개발재단(GFID)으로, 총예산은 332억 원이며 사업 규모는 4대 전략 17개 연구과제로 구성됐다.

중점개발기술 분야는 크게 구조, 시스템, 장비, 인력으로 나뉘는데 각 분야별로 전문기관과 대학들이 참여해 지역 및 의료현장의 감염병 대응 역량 고도화로 미래 감염병을 대비하는 의료환경체계를 구축하고 있다.

이에 범부처방역연계감염병연구개발재단은 최근 대한병원협회가 코엑스에서 개최한 ‘국제 병원 및 헬스테크 박람회(K-HOSPITAL+HEALTH TECH FAIR with HIMSS 2024, KHF 2024)’를 통해 그간의 사업 성과를 교류하고 향후 계획을 공유하는 자리를 마련했다.

아래는 각 기술별 책임 연구자들이 직접 발표한 사업 성과 및 계획을 요약한 것으로, 이들은 감염병 대응에 중요한 기여를 할 연구 기술들이 실제 의료 현장에 적용될 수 있도록 노력 중이라는 점을 강조했다.

■ 응급의료 최적화 다중감염제어 기술

첫 번째 연자는 김기홍 서울대학교병원 응급의학과 교수로, ‘응급의료 최적화 다중감염제어 기반 응급의료시설 방역강화기술 개발’을 발표했다.

김기홍 교수의 연구는 응급실 내 감염 전파를 막으면서도 기존 응급 의료 수준을 유지할 수 있는 기술 개발에 중점을 두고 있다.

김 교수는 응급실 감염병 시뮬레이터를 제작해 테스트를 진행했으며 응급실 내 병상 격리 시스템을 도입, 감염원이 외부로 확산되지 않도록 하는 기술을 개발했다.

이 시스템은 감염 제어와 자동 소독 기능을 결합한 원격 제어 시스템으로 운영되는 게 특징이다.

김 교수는 “경제적이고 신속한 응급실 설치를 가능하게 해주는 기술은 향후 응급실 내 감염병 통제에 큰 기여를 할 것”이라며 “10월 말에 예정된 설치 평가와 최종 보고에서 더 많은 성과를 확인할 예정”이라고 말했다.

■ 디지털·환경 데이터 AI 방역공조 기술

두 번째 발표는 ‘의료현장 감염병 안전성 강화를 위한 디지털·환경 데이터 기반 인공지능(AI) 방역공조 시스템 개발’로, 이승훈 한국재료연구원 책임연구원이 연자로 나섰다.

해당 연구는 2022년부터 시작해 3년째를 맞이했으며 바이오 에어로졸 제어 기술을 중심으로 감염병 확산을 억제하는 공조 시스템 개발이 핵심이다.

이승훈 연구원은 감염병 확산을 막기 위한 핵심 기술로 실내 공기 중에 떠다니는 바이오 에어로졸 제거를 꼽았다.

이에 연구팀은 창원한마음병원 등에서 실증 실험을 진행했으며 건물의 공조 시스템과 방역 공조 장치를 결합한 최적의 해결 방안을 찾고 있다.

‘디지털트윈’ 기술을 적용해 실내 기류와 공기 중 입자의 이동을 시뮬레이션한 결과 기존 환기 시스템 대비 방역 공조 장치를 추가 설치하면 공기 내 입자 농도를 크게 줄일 수 있다는 사실이 확인됐다.

이 연구원은 “이번 연구는 요양병원을 비롯해 병원 내 호흡기 감염에 취약한 환경에 큰 효과를 보일 것”이라며 “감염병으로부터 안전한 실내 환경을 제공하는 기술로 거듭날 수 있도록 최선을 다하고 있다”고 언급했다.

■ Free-plan 기반형 One-day 모듈러 음압병동

세 번째 기술개발은 ‘Free-plan 기반형 One-day 모듈러 음압병동’으로, 윤형진 동서울대학교 건축학과 교수가 발표를 진행했다.

이 연구는 신속한 감염병 대응을 위한 음압 병동을 모듈화해 짧은 시간 안에 병동을 개발·구축할 수 있도록 하는 시스템이다.

기존의 고정된 병상 구조에서 벗어나 자유롭게 확장 가능한 모듈 시스템을 도입한 것.

특히, 1인실부터 4인실까지 다양한 형태의 병상 구조를 조합할 수 있으며 사용자의 필요에 따라 신속하게 병상을 배치할 수 있는 게 장점이다.

윤 교수는 “모듈러 병동은 감염 환자의 동선을 철저히 분리하면서도 의료진의 편리성을 극대화한 설계”라며 “향후 이를 바탕으로 중환자실이나 수술실로도 확장할 수 있을 것”이라고 밝혔다.

그는 “개발된 음압 병동의 성능 평가는 긍정적이었다”며 “관련 매뉴얼과 시뮬레이션을 거쳐 응용 연구가 추가로 이어질 예정”이라고 부언했다.

■ 기존 의료시설의 격리 치료시설 긴급 전환 기술

성민기 세종대학교 건축학과 교수가 발표한 내용은 ‘감염병 격리 치료시설 확충을 위한 기존 의료시설 긴급 전환 기술 개발’이다.

성 교수의 연구는 코로나19 이후 감염병 확산 시 기존 의료시설을 신속하게 전환해 격리 및 치료시설로 사용할 수 있도록 하는 데 초점이 맞춰졌다.

코로나19 대유행 당시 격리 병상의 부족으로 인해 많은 혼란이 발생했다는 점에 착안한 것이다.

성 교수는 “기존 의료시설을 감염병 대응시설로 전환하는 지침과 기술을 마련하는 것이 이번 연구의 핵심”이라며 “긴급 전환 기술의 표준 설계와 안전성 평가 지침을 포함해 병상의 신속한 확충을 목표로 하고 있다”고 설명했다.

아울러 향후 이러한 기술이 대규모 감염병 대규모 감염병 상황에서 중요한 대응책이 될 수 있을 것이라며, 추가적인 기술개발을 통해 더 많은 의료시설이 신속한 전환을 할 수 있도록 고도화 작업 중이라고 전한 성 교수다.

■ 데이터 기반 사회적 거리두기 의사결정체계 개발

정재훈 고려대학교 의과대학 예방의학교실 교수는 ‘과학적 방역 및 국민 신뢰회복을 위한 데이터 기반 사회적 거리두기 의사결정체계’를 개발 중이다.

정재훈 교수의 설명에 따르면 기존 감염병 예측 모델링은 수학적 모델링과 머신러닝 기법의 적용에도 불구하고 실제 감염병 경과를 정확히 예측하는 데 어려움이 많았다.

또한 코로나19 사회적 거리두기 조정 과정을 경험하면서 중환자 병상의 적절한 예측과 확보가 중요한 과제로 떠오른 상황.

이에 정 교수는 사회적 거리두기의 효과를 평가하고 그 강도를 결정하는 과정에서 ICU(중환자실) 병상 용량에 따라 비약물적 중재의 필요성이 결정될 수 있음을 강조했다.

정 교수는 “아직은 모델링의 한계로 인해 더 나은 예측 정확성을 위한 추가 연구가 필요하다”며 “향후 연구에서는 신종 감염병에 대한 초기 데이터를 활용해 병상 수요를 예측하고 필요한 비약물적 중재의 강도를 결정하는 체계적인 접근 방식을 제시하겠다”라고 예고했다.

■ OMOP-CDM 기반 감염병 환자 정보관리 시스템

박래웅 아주대학교의료원 의료정보학과 교수(의료정보연구센터 센터장)는 ‘OMOP-CDM 기반 감염병 환자 정보관리 통합 시스템 구축 사업’을 소개했다.

기존의 수작업 기반 정보 전송 방식은 의료진에게 큰 부담이었는데, 이를 해결하기 위한 통합 시스템이 바로 ‘OMOP-CDM 기반 감염병 환자 정보관리 시스템’이다.

이는 병원 간 감염병 관련 데이터를 표준화해 실시간으로 분석하고 공유하는 형태로 운영된다.

특히 전국 병원에 설치된 EMR 데이터를 국제 표준으로 변환하고 감염병 팬데믹 상황에서는 환자의 동의나 법적 근거를 통해 데이터를 모아 분석하는 기능이 해당 시스템의 가장 큰 특징이다.

박 교수는 “현재 34개의 병원에 시스템을 도입했는데, 감염병 확산을 방지하고 환자 치료 효율성을 높일 수 있을 것으로 기대한다”며 “인공지능 모델을 도입해 더욱 정교하게 시스템을 활용할 수 있도록 하는 것이 다음 목표”라고 언급했다.

■ 신종 감염병 환자 스마트 병상배정 시스템

권기태 경북대학교 의과대학 내과학교실 교수가 개발 중인 것은 ‘신종 감염병 환자를 위한 스마트 병상배정 시스템’이다.

이는 코로나19 당시 병상 부족 문제를 해결하기 위한 연구로, 환자의 중증도를 실시간으로 파악해 적절한 병상을 배정하기 위함이다.

카카오톡 단체 채팅 등의 앱을 이용한 병상 배정은 정보 축적이 어려워 오류가 발생할 가능성이 크기 때문에 이를 개선하고 고도화하는 데 중점을 뒀다고 설명한 권 교수다.

권 교수는 “환자의 중증도 예측 및 병상배정 절차를 자동화하고 모바일을 통한 실시간 모니터링 기능을 도입해 병상배정의 효율성을 극대화했다”며 “향후 전국적으로 시스템을 확대 도입해 감염병 대응의 신속성과 정확성을 높일 수 있도록 추가 연구를 진행할 것”이라고 말했다.

■ 감염병 모니터링 AI 기반 예측 모델 기술

박진영 연세대학교의료원 용인세브란스병원 정신건강의학과 교수는 현재 개발 중인 ‘원내감염확산의 다수준·다중 위험 요인 데이터와 단계별 방역 대응 표준 프로세스가 반영된 의료현장 감염병 대응 의사결정지원시스템’을 발표했다.

코로나19와 같은 대규모 감염병 사태에서 데이터를 기반으로 한 예측 모델의 중요성이 대두됨에 따라 AI를 활용해 감염병의 확산 양상과 환자 중증도 등을 예측하는 시스템을 개발하게 된 것.

해당 시스템은 환자의 입원 여부, 중환자실 입원 필요성, 재입원 가능성 등을 예측할 수 있는 기능을 갖췄다.

이를 통해 의료진이 보다 신속하게 감염병에 대응하고, 환자를 효과적으로 치료할 수 있다는 게 박 교수의 설명이다.

특히, 감염관리 전문인력이 부족한 상황이어도 시스템의 도움을 받아 Step by Step으로 쉽게 의사결정을 할 수 있도록 설계했다고 밝힌 박 교수다.

박 교수는 “감염병 확산 위험요인 데이터를 발굴해 의료현장 표준 방역 대응 프로세스를 개발했다”며 “최근 요양병원과 정신병원을 포함해 3개의 의료기관을 대상으로 실증 작업 중인데, 편의성 증대 및 비용 절감을 위해 노력하고 있다”고 강조했다.

그는 이어 “앞으로 상급종합병원, 종합병원, 전문병원, 요양병원, 정신병원 등에서 활용될 수 있는 생태계 조성 즉, 현장적용 확대를 위한 추가적인 연구개발을 추진할 것”이라며 “위급 상황 시 개인 정보를 비롯한 각종 데이터를 제공·수용하는 것에 대한 공감대 형성 등의 숙제도 남아있다”고 덧붙였다.