이재훈 연구실은 심정지 후 소생 환자에서 신경학적 예후를 정확하게 평가하기 위한 다양한 연구를 수행하고 있습니다. 특히, 초기 뇌 CT 영상에서 후방 시스턴(posterior ambient cistern) 크기의 정량적 측정, 회색질 대 백질 비율(gray to white matter ratio) 분석 등 영상의학적 지표를 활용하여 환자의 예후를 예측하는 방법을 개발하고 있습니다. 이러한 연구는 환자의 치료 방향 결정과 가족 상담에 중요한 근거를 제공하며, 국내외 학술지에 다수의 논문이 게재되고 있습니다. 또한, 전두엽 뇌파(EEG) 및 스펙트로그램 분석을 통해 심정지 후 환자의 신경학적 회복 가능성을 조기에 예측하는 기술을 연구하고 있습니다. 뇌파 패턴과 임상적 신경학적 검사, 혈액 바이오마커(Neuron-specific enolase 등)를 결합한 다중 예측 모델을 통해 기존보다 더 정확한 예후 평가가 가능하도록 노력하고 있습니다. 이러한 연구는 중환자실 및 응급의료 현장에서 신속하고 객관적인 의사결정을 지원하는 데 큰 기여를 하고 있습니다. 이 연구 분야는 환자 맞춤형 치료 전략 수립과 불필요한 치료의 최소화, 의료 자원의 효율적 배분에 중요한 역할을 하며, 향후 인공지능 기반 영상 분석 및 빅데이터 활용 등과의 융합을 통해 더욱 발전할 것으로 기대됩니다.

연구실은 응급의학 분야에서 심혈관 질환, 특히 급성 관상동맥증후군(ACS), 심정지, 심부전, 대동맥 박리 등 중증 심혈관 질환의 조기 진단과 예후 예측에 중점을 두고 있습니다. 심전도(ECG) 분석을 통한 우관상동맥 근위부 협착, 분절 QRS(fQRS), T/QRS 비율 변화 등 다양한 전기생리학적 지표를 활용하여 심혈관 질환의 위험도를 평가하고, 환자 맞춤형 치료 방안을 제시하고 있습니다. 최근에는 기계학습(Machine Learning) 및 인공지능(AI) 기술을 도입하여, 흉통 환자에서 임상 데이터와 영상, 생체신호를 통합 분석함으로써 중대한 관상동맥 병변의 존재 여부를 예측하는 연구도 활발히 진행 중입니다. 이와 함께, D-dimer 등 혈액학적 지표와 임상 증상을 결합한 진단 알고리즘 개발, 급성 대동맥 증후군과 폐색전증의 감별 진단 등 다양한 임상적 문제 해결에 기여하고 있습니다. 이러한 연구는 응급실에서의 신속한 의사결정과 환자 예후 향상, 불필요한 검사 및 치료의 감소, 의료비 절감 등 실질적인 임상적 효과를 가져오고 있습니다. 앞으로도 빅데이터와 AI 기반의 진단 및 예측 시스템 개발을 통해 응급의학의 패러다임을 선도할 계획입니다.

연구실은 응급 및 중환자 진료 현장에서 초음파(POCUS)와 다양한 생체신호를 활용한 환자 모니터링 및 치료 반응 예측 연구를 수행하고 있습니다. 경안와 도플러 초음파를 이용한 뇌압 측정, 중심정맥 및 경정맥 직경 변화 분석, 호기말 이산화탄소(ETCO2) 측정 등 비침습적 방법을 통해 환자의 혈역학적 상태와 치료 반응을 실시간으로 평가하는 기술을 개발하고 있습니다. 특히, 자발 호흡 환자 및 기계환기 환자 모두에서 체위 변화에 따른 심박출량, 혈압, 중심정맥압 등의 변화를 정량적으로 분석하여, 수액 반응성(fluid responsiveness) 및 심혈관계 기능 평가에 적용하고 있습니다. 이러한 연구는 중환자실 및 응급실에서 환자 맞춤형 치료와 빠른 임상 의사결정에 큰 도움을 주고 있습니다. 또한, 초음파 보험 적용 확대와 관련된 임상 가이드라인 연구, 의료기기(삽관 가이드 장치, 와위 변경 장치 등) 개발 및 특허 출원 등 실제 임상 현장에 적용 가능한 다양한 연구 성과를 내고 있습니다. 앞으로도 혁신적인 모니터링 기법과 의료기기 개발을 통해 환자 안전과 진료의 질 향상에 기여할 것입니다.