△ 신개념 의료 AI가 잇따라 개발되고 있다.

국내에서 인공지능(AI)을 활용한 질병 예측·진단 기술이 잇따라 개발돼 의료기기 상용화 기대감을 높이고 있다

4일 의료계 등에 따르면 국내 연구진이 MRI 사진으로 요추 추간판 재발 예측, 신생아 장천공 진단, 자폐스펙트럼장애 선별 AI 솔루션을 개발하는데 성공했다.

아주대병원 신경외과 노성현 교수팀은 최근 경북대 데이터사이언스대학원 김수현 교수팀과 함께 2003~2023년 아주대병원에서 요추 추간판 절제술을 받은 126명 환자의 임상 및 MRI 데이터를 분석한 후 이같은 모델을 만들었다.

요추 추간판 탈출증(Lumbar Disc Herniation, LDH)은 가장 흔한 척추 질환 중 하나로, 수술 후에도 약 5~15%의 환자에서 재발한다. 

기존 연구에서는 비만, 흡연, 당뇨병 등 일반적인 위험 인자가 알려져 있었지만, 요추 주변 근육(paraspinal muscle)과 재발 간의 관계는 명확히 밝혀지지 않았다.

연구팀의 분석 항목에는 연령, 체중, 기저질환 등 인구학적 요인, 수술 관련 인자, MRI로 측정한 요추 주위 근육 부피(volume)가 포함됐다.

여러 인공지능 알고리즘(Logistic Regression, LightGBM, CatBoost, MLP 등)을 비교한 결과 데이터의 패턴을 반복 학습해 예측 정확도를 높이는 'XGBoost' 모델이 가장 우수한 성능을 보였다. 

모델의 예측 정확도(Accuracy)는 약 79%, 재발 여부를 구분하는 판별력(AUC, Area Under the Curve)은 0.811로, 임상 예측 모델로서 높은 신뢰도를 보였다.

특히 허리 뒷쪽 깊은 부위에 위치한 사각요근(quadratus lumborum)의 부피가 55mL 이상으로 발달한 환자에서는 재발 위험이 약 8배 가까이 증가하는 것으로 나타났다.

또 이 결과는 외부 의료기관 데이터를 이용한 독립 검증에서도 약 92%의 정확도 (AUC, 0.90) 를 보여 모델의 재현성과 일반화 가능성을 입증했다.

이번 연구에는 노성현 교수가 개발한 AI 척추 영상 분석 프로그램 'SPINEMASTER(Noh Thinking)'가 핵심 도구로 활용됐다.

이 프로그램은 MRI 단면 영상을 자동 인식해 근육·지방·척추체를 정량화하는 기술로, AI 의료영상 분석 분야의 대표적인 국산 기술로 평가받고 있다.

연구팀은 MRI 한 장만으로도 환자 맞춤형 예후 예측과 추적관찰 주기 설정이 가능해 실제 임상 현장에서의 활용 가치가 클 것이라고 기대했다.

서울아산병원 영상의학과 윤희망 교수는 최근 융합의학과 김남국 교수, 신생아과 이병섭 교수와 함께 인공지능으로 신생아 엑스레이 영상을 분석해 장천공 여부를 판별하고 병변 위치까지 찾아내는 인공지능 판독 모델을 개발했다.

연구팀이 개발한 신생아 장천공 인공지능 판독 모델은 내부 검증 정확도 94.9%, 외부 검증 정확도 84.1%의 높은 성능을 보였다. 

특히 신생아 장천공을 조기에 판별한다는 점에서 신생아 생존율 개선에 기여할 것으로 기대된다.

연구팀은 신생아 엑스레이 영상을 이용해 장천공 여부를 분류하면서 복강 내 공기가 차 있는 영역까지 함께 학습해서 표시해 주는 딥 멀티태스크 학습 모델을 개발했다.

1995년 1월~2018년 8월 서울아산병원 소아 엑스레이 영상 약 260만건을 수집했고, 최종적으로 장천공 영상 294건과 대조군 영상 252건을 선별해 학습시켰다.

연구팀은 환자마다 다르게 나타나는 장천공 영상 패턴을 효과적으로 학습시키기 위해 데이터 증강 기술을 적용하여, 인공지능 모델이 다양한 장천공 양상과 병변 위치를 동시에 파악할 수 있도록 했다.

임상적 유용성을 검증하기 위해 국내 11개 병원에서 영상 6만4000건을 외부 검증용 데이터로 확보했다. 이 중 장천공 영상 164건과 대조군 영상 214건을 선별해 내부와 다기관 외부 검증을 진행했다.

내부 검증을 진행한 결과, 장천공 인공지능 판독 모델은 진단 정확도 94.9%를 기록하며 복강 내 공기가 차 있는 영역까지 정확히 식별했다.

외부 데이터를 통해 검증했을 때에도 진단 정확도 84.1%를 기록하며 전문의와 유사한 수준을 보였다. 의료진이 인공지능 판독 모델을 사용했을 때의 보조 효과도 평가한 결과, 진단 정확도가 82.5%에서 86.6%로 개선됐다. 특히 판독자 간 일치도가 71%에서 86%로 큰 폭으로 향상됐다.

연구팀은 신속한 판단이 요구되는 신생아 중환자실에서 조기 진단을 도울 수 있는 다양한 모델을 개발하고 적용해 신생아 생존율을 향상하는 데 기여할 것이라고 다짐했다.

세브란스병원 소아정신과 천근아 교수와 신경외과 김휘영 교수팀은 최근 서울대학교병원 김붕년 교수팀과 함께 부모가 아이의 음성을 녹음한 것을 토대로 자폐스펙트럼장애를 확인할 수 있도록 돕는 인공지능(AI) 솔루션을 개발했다. 

연구팀은 세브란스 어린이병원을 비롯한 국내 9개 병원에 내원한 18~48개월 영유아 1242명을 대상으로 데이터를 모아 AI 모델을 개발했다.

스마트폰으로 이용할 수 있도록 개발한 AI 모델은 △이름을 부르면 반응하도록 유도 △부모의 행동 따라 하기 △공놀이 △장난감 등을 이용한 상상 놀이 △도움 요청하기 등의 과제를 제시하고, 월령별로 과제 수를 다르게 할당한다.

18~23개월은 4가지, 35개월까지는 5가지, 48개월까지는 6가지로 확장하는 식이다.

녹음한 아이의 음성을 입력하면, 부모가 앞서 작성한 자폐스펙트럼장애 선별 검사인 M-CHAT(영유아 자폐 선별검사), SCQ(사회적 의사소통 질문지), SRS-2(사회적 반응성 척도) 점수와 함께 AI가 통합 분석을 시행한다.

기존 검사들을 이용하면 정확도는 70%정도에 그치지만 실제 타인과 상호작용해 목소리 톤, 리듬, 음성 패턴 등이 담긴 아이의 음성 데이터를 함께 사용하면 다차원적 분석이 가능해져 정확도가 높아진다.

연구팀이 개발한 AI 모델은 94% 이상의 정확도로 정상 발달 아동과 발달 위험군 자폐 아동을 우선 구분했고 85%의 정확도로 고위험군과 실제 자폐 아동을 구분해냈다.

국제적으로 가장 많이 사용되는 ADOS-2(자폐 진단 관찰 검사) 검사 결과와도 80%의 일치도를 보였다.

연구팀은 이번에 개발한 AI는 실제 가정에서도 사용할 수 있어 좀 더 빠른 진단이 가능해지고 그만큼 더 좋은 치료 결과로 이어질 수 있을 것으로 내다봤다.

Tag

#아주대병원#서울아산병원#세브란스병원#인공지능질병예측#진단기술