환자-인공호흡기 비동조(patient-ventilator asynchrony, PVA)는 환자의 자발 호흡 노력과 인공호흡기가 전달하는 호흡 사이의 시간적·양적 불일치를 의미합니다
[2][3]. 비동조는 이중 호흡(double cycled breath)처럼 폐 손상을 직접 유발할 수 있는 형태를 포함하며, 진정제 노출 증가, 인공호흡기 관련 폐 손상, 신경인지 기능 저하 등 나쁜 예후와 연결됩니다
[2][4]. 그런데 이런 중요한 이상이 왜 알람보다는 눈, 즉 인공호흡기 화면의 파형(waveform)을 직접 관찰해서 잡아야 하는 걸까요.
핵심은
비동조는 인공호흡기가 미리 정해 놓은 알람 한계(alarm threshold)를 벗어나지 않는 경우가 매우 흔하다는 점입니다. 인공호흡기 알람은 주로 압력, 호흡수, 일회 호흡량, 분당 환기량 같은 수치가 설정된 상한·하한을 넘을 때 울리도록 설계되어 있습니다. 그러나 비동조의 많은 아형은 이런 수치의 급격한 변화 없이 파형의 모양 변화로만 나타납니다. 예를 들어 역트리거링(reverse triggering)은 환자의 자발적 노력이 인공호흡기 강제 호흡 뒤에 딸려오는 현상인데, 압력이나 유량 수치 자체는 정상 범위 안에 머무르면서 파형의 미세한 변화로만 관찰될 수 있습니다
[4]. 알람은 울리지 않지만 폐에는 해로운 기계적 스트레스가 가해지고 있는 것입니다.
혼동 주의! 비동조는 ‘산소화만 나빠지는 이상’이 아닙니다. 비동조는 환기(ventilation)와 산소화(oxygenation) 모두에 영향을 줄 수 있고, 근본적으로는 환자-인공호흡기 상호작용의 시간적 불일치 문제입니다
[3]. 산소포화도(SpO
2) 알람에만 의존하면 비동조를 조기에 발견하기 어렵습니다. 산소화가 나빠질 때쯤이면 이미 상당한 폐 손상이나 가스 교환 장애가 진행된 뒤일 수 있기 때문입니다.
또한 비동조는 진정 중인 환자에게만 생기는 현상이 아닙니다. 오히려 자발 호흡 노력이 남아 있는 환자, 즉 진정이 얕거나 부분적으로 각성된 환자에서 더 자주 관찰됩니다
[3]. 깊은 진정으로 자발 호흡이 억제되면 비동조 자체가 줄어들 수 있지만, 이는 진정제 부작용과 인공호흡기 이탈 지연을 초래하므로 바람직한 해결책이 아닙니다. 진정 중인 환자에게만 생긴다는 생각은 비동조의 발생 기전을 오해한 것입니다.
핵심! 비동조를 발견하는 가장 신뢰할 수 있는 방법은 인공호흡기 화면의 압력-시간 곡선, 유량-시간 곡선을 직접 보는 것입니다. 연구자들은 비동조를 식별하기 위해 파형을 체계적으로 관찰(systematic observation)하는 방법을 사용하며, 자동화된 탐지 알고리즘도 결국은 파형의 특징을 학습하여 비동조를 찾아냅니다
[1][2][4]. 이는 파형 관찰이 비동조 진단의 기준이 된다는 뜻입니다. 알람은 보조 수단일 뿐, 파형을 대체할 수 없습니다.
비동조의 아형을 이해하면 왜 알람이 잘 울리지 않는지 더 분명해집니다. 이중 호흡은 한 번의 환자 노력에 인공호흡기가 두 번 호흡을 전달하는 것으로, 호흡수 알람이 울릴 수는 있지만 파형을 보지 않으면 원인을 알 수 없습니다
[2]. 역트리거링은 인공호흡기 호흡이 환자의 횡격막 수축을 유발하는 현상으로, 압력 파형에서만 구분되는 여러 표현형이 존재합니다
[4]. 이런 아형들은 수치 알람보다 파형의 형태학적 분석을 통해 확인됩니다.
결국 비동조를 알람이 아니라 눈으로 잡아야 하는 이유는, 설정된 알람 한계를 넘지 않는 비동조가 많아 알람이 울리지 않는 때가 흔하기 때문입니다 [1]. 임상에서는 인공호흡기 화면을 주기적으로 직접 관찰하고, 압력·유량 파형의 미세한 변화까지 읽어내는 역량이 필요합니다. 특히 급성 호흡곤란증후군(ARDS) 환자처럼 폐 보호 환기가 중요한 상황에서는 비동조로 인한 추가 손상을 막기 위해 파형 감시가 더욱 중요합니다
[4].
참고 문헌 (논문 출처)
- [1]
Ventilatory asynchronies induced by routine clinical practices in the intensive care unit: A systematic observation combined with a scoping review.일반논문Enriquez Popayan AM, Parada-Gereda HM, Peña-López LA. (2026) · DOI: 10.29390/001c.154940
- [2]
A Novel Application of Spectrograms with Machine Learning Can Detect Patient Ventilator Dyssynchrony.일반논문Obeso I, Yoon B, Ledbetter D, Aczon M, Laksana E, Zhou A, Eckberg RA, Mertan K, Khemani RG, Wetzel R. (2023) · DOI: 10.1016/j.bspc.2023.105251
- [3]
An overview of patient-ventilator asynchrony in children.일반논문Yoon B, Blokpoel R, Ibn Hadj Hassine C, Ito Y, Albert K, Aczon M, Kneyber MCJ, Emeriaud G, Khemani RG. (2025) · DOI: 10.1080/17476348.2025.2487165
- [4]
Reverse triggering neural network and rules-based automated detection in acute respiratory distress syndrome.일반논문Baedorf-Kassis EN, Glowala J, Póka KB, Wadehn F, Meyer J, Talmor D. (2023) · DOI: 10.1016/j.jcrc.2023.154256