△ 국내 연구진들이 신개념 의료 AI를 잇따라 개발했다.

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

6일 의료계 등에 따르면 국내 연구진이 만성콩팥병 발병 예측, 흉부 X선으로 골다공증 상태 예측, 임상추론 AI 솔루션을 개발하는데 성공했다.

경희대치과병원 구강내과 이연희 교수팀은 최근 최신 AI 모델을 활용해 턱관절장애 세부진단 자동화 및 환자별 임상 패턴을 예측할 수 있는 AI 기반 턱관절장애 진단‧예측 모델을 개발하는데 성공했다.

턱관절장애는 신체·심리적 요인이 복합적으로 작용하는 질환으로 병리기전이 명확하지 않아 정확한 진단이 어렵고, 진단 과정에서 검사자의 주관이 개입된다는 한계가 있어왔다.

연구팀은 자기지도학습 기반의 트랜스포머 모델에 4098명 환자 데이터를 증상, 심리, 통증 패턴으로 세분화해 학습시켜 예측력을 분석했다.

그 결과 정상과 턱관절 장애를 구분하는 정확도는 최소 81.5% 이상이었으며, 장애 유형에 따라 100%의 완벽한 정확도를 보이기도 했다.

연구팀은 기존 통계‧머신러닝 기반 모델보다 높은 정확도를 보인 해당 모델이 임상에 적극 활용될 수 있도록 온라인 기반 진단 플랫폼을 개발해 누구나 사용할 수 있도록 공개하게 됐기에 국제 다기관 데이터를 활용해 글로벌 수준의 표준화 AI 진단 알고리즘을 개발한다는 계획이다.

분당서울대병원소아청소년과 김경훈 교수팀은 최근 기존 학습 환경과 의료기기, 환자 연령 등이 서로 다른 조건에서 수집된 호흡음에서도 천명음(쌕쌕거림)을 정밀하게 구분할 수 있는 AI 모델을 개발했다.

천명음은 천식 환자에서 흔히 나타나는 증상으로 공기의 통로인 기도가 좁아져 압력에 의해 숨을 쉴 때마다 나는 고음의 쌕쌕거리는 호흡음이다.

특히 소아의 경우 성인보다 구조적으로 기도가 좁아 호흡기질환에 취약한 만큼 천명음을 정확하고 신속하게 감지해 천식 등 호흡기질환을 조기 진단하는 것이 매우 중요하다.

이에 AI 기술의 비약적인 발전과 함께 환자의 호흡음을 분석해 천명음과 같은 비정상적 숨소리를 가려내는 인공지능 모델이 잇달아 등장하고 있다.

문제는 호흡음이 △의료기기 △청진 위치 △환자 연령 및 성별 등 환경적 요소인 '메타데이터'에 따라 크게 변동될 뿐 아니라 각 요소가 미치는 영향이 다른데도 불구하고 기존의 AI 모델들은 이를 충분히 고려하지 않았다.

이로 인해 AI가 이상 호흡음의 본질적 특성을 제대로 학습하지 못해 환경이 바뀌면 성능이 떨어지는 한계가 있었다.

이를 해결하기 위해 연구팀은 메타데이터의 영향력 차이를 훈련 과정에 효과적으로 반영하는 두 가지 기법을 제시했다.

하나는 메타데이터별 중요도를 AI가 자동으로 판단해 학습 비중을 조정하는 '적응형 메타데이터 모델'이며 다른 하나는 해당 작업을 연구자가 수동으로 수행하는 '메타데이터 활용 모델'이다.

연구팀은 자체 개발한 두 모델이 메타데이터가 완전히 다른 상황에서도 성능을 안정적으로 유지하는지 검증하고자 했다.

소아 환자만을 대상으로 하는 분당서울대병원 호흡음 데이터(총 2134개)와 환자 연령 등이 다양한 국제 공공데이터(ICBHI, 총 6898개)를 훈련용 및 테스트용으로 나눠 AI에 학습시킨 다음 천명음 감지 정확도를 평가했다.

그 결과 적응형 메타데이터 모델의 평균 정확도는 84.97%로 기존 모델(79.14%) 대비 약 7.37% 높게 나타났으며 메타데이터 활용 모델은 84.58%로 확인됐다.

이는 AI가 환경에 따라 동적으로 가중치를 조정하는 적응형 메타데이터 모델이 효율성과 실용성은 물론 성능 측면에서도 우수함을 입증했다.

이번 연구는 새로운 데이터가 끊임없이 유입되는 현실을 반영해 환경 변화에 맞춰 학습 비중을 유연하게 조절하는 기술을 제시함으로써 실제 임상 현장에 적용 가능한 수준으로 AI 모델을 고도화했다는 점에서 의의가 크다.

연구팀은 청진이 의사의 주관적 판단에 의존하던 단계에서 벗어나 AI 기반의 정량적 진단 체계로 전환되고 있기에 이번 연구는 의료 현장에서 소아 천식을 비롯한 호흡기질환을 조기 진단하고 모니터링할 수 있는 표준화된 AI 청진 시스템을 구축하는 데 기여할 것으로 기대했다.

연세대학교 원주의과대학 내과학교실 양재원 교수팀은 최근 연세대학교 미래캠 AI반도체학부 오르트나산 에르덴바야르 교수와 함께 수면다원검사(PSG) 표현형을 이용해 만성콩팥병(CKD)의 자동 선별 및 중증도 분류를 위한 앙상블 학습 접근법을 제시했다.

연구팀은 358명의 피험자(진행성 만성콩팥병 179명, 초기 만성콩팥병 179명)의 PSG 데이터를 랜덤 포레스트, XGBoost, LightGBM, CatBoost의 네 가지 앙상블 알고리즘을 사용해 분석했다.

앙상블 알고리즘이란 여러 개의 인공지능 모델을 묶어서 더욱 정확한 예측을 하는 기법으로 연구팀은 이를 활용해 최종 호흡, 수면 단계, 움직임, 심혈관적 특징을 포함하는 총 1210개의 수면 관련 변수를 학습했다.

그 결과 CKD 5단계에서 89%를 초과하는 AUC로 높은 다중 클래스 분류 성능을 달성했으며 산소 포화도, 수면 구조, 심박 변이도의 장애가 CKD 중증도와 밀접한 관련이 있는 것으로 나타났다.

이러한 결과는 수면다원검사 결과 분석을 통해 조기 만성콩팥병 발견 및 위험성 예측이 가능해질 수 있다는 점을 시사한다는게 연구팀의 설명이다.

Tag

#의료#AI#상용화