수혈 의학에서 인공지능 구현: 임상 도입의 도전 과제 해결

인공지능(AI)과 머신러닝(ML)은 수혈 및 환자 혈액 관리 향상을 위해 점점 더 많이 촉진되고 있으나, 실제 세계에서의 구현은 여전히 드뭅니다. 우리는 워크플로 통합과 함께 전향적 배포를 보고한 최신 모범 연구들을 검토하여 AI/ML 통합의 전환적 특징, 장벽 및 촉진 요인을 조사했습니다. 2025년 6월 18일에 PubMed와 Web of Science에서 2022년 1월 이후의 논문을 검색하였고, 1243건의 기록을 스크리닝하고 31편의 전문을 검토한 결과 3건의 연구가 포함 기준을 충족했습니다. 모범 사례는 다음과 같습니다: (1) 빈혈 성인의 낮은 페리틴을 예측하는 실험실 내장 도구로, 21일간 배포 기간 동안 수혈 전 최적화와 관련된 추가 철 결핍을 확인함; (2) 손톱 이미지를 이용하여 헤모글로빈을 추정하는 환자 대상 스마트폰 애플리케이션으로, 20만 명 이상의 국가적 사용자에게 채택되어 빈혈 선별에 잠재적 영향을 미침; (3) 외상에서 소생술 필요를 예측하는 임상의 대상 스마트폰 의사결정 지원 도구로, 5개 기관에서 시범 운용되었으며, 수혈 집중 환경에서 적절한 타당성과 사용자 만족을 보임. 공통 촉진 요인으로는 임상 필요와의 정렬, 기존 데이터 인프라 활용, 해석 가능한 트리 기반 모델, 초기 이해관계자 참여가 포함되었습니다. 지속적인 장벽은 데이터 품질과 거버넌스, 제한된 일반화 가능성, 경제성 평가 부재였습니다. 중요한 점은 어떠한 연구도 임상 결과 또는 비용 개선을 입증하지 못했다는 것입니다. 임상 도입을 위해 AI 도구는 명확한 안전성, 모니터링 및 규제 계획과 함께 일상 워크플로에 통합되어야 합니다. 향후 연구는 처음부터 구현 프레임워크를 적용하고, 수혈 관행과 결과에 대한 하류 영향 평가하며, 실험실 내장 분석, 상호운용 가능한 의사결정 지원, 환자 중심 디지털 도구와 같은 확장 가능한 접근법에 우선순위를 두어야 합니다.