△ 국내 연구진들이 신개념 의료 AI를 잇따라 개발했다.

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

24일 의료계 등에 따르면 국내 연구진이 췌장암 초기 간 전이 판별, 턱관절 이상 MRI 필요 시점 선별, 소아 조혈모세포이식 간 합병증 예측 AI 솔루션 를 개발하는데 성공했다.

세브란스병원 소화기내과 이희승 교수팀은 최근 췌장암 환자의 혈액을 기반으로 초기 간 전이 위험을 예측하는 AI 'LiMPC(림피시)'를 개발하고 활용 가능성을 확인했다.

림피시는 췌장암 진단 시 일상적으로 시행하는 혈액검사의 데이터를 활용해 추가 검사나 장비 없이도 위험도를 평가할 수 있다.

연구팀은 세브란스병원 췌장암 환자 2657명의 진단 시점 혈액검사 데이터를 분석해 AI 모델을 개발해 강남세브란스병원과 용인세브란스병원을 포함한 국내 5개 의료기관 환자 272명을 대상으로 외부 검증을 진행했다.

그 결과 이 AI 모델은 초기 간 전이 위험을 구분하는 데 일정 수준 이상의 예측 성능을 보였다.

외부 검증에서 민감도는 0.81로 나타났는데 실제 간 전이가 있는 환자 중 약 81%를 고위험군으로 예측했다는 의미다. 간 전이가 발생한 환자를 비교적 높은 비율로 찾아낼 수 있음을 나타낸다.

음성예측도는 0.87로, 저위험이라고 판단한 환자 중 87%에서는 실제로 간 전이가 없었다.

다시 말해 간 전이 위험이 낮다고 판단했다면 실제로도 전이가 없을 가능성이 컸다.

이러한 결과를 통해 연구팀은 기존 영상 검사로 확인이 어려운 간 전이 위험을 평가하는 데 보조적인 수단으로 활용될 가능성을 시사했다.

연구팀은 이 AI가 특별한 장비 없이도 작동한다는 점에서 대형 병원뿐 아니라 의료환경이 제한된 지역에서도 활용될 수 있을 것을 기대하고 있다.

연구팀은 이번 연구가 병원에서 통상적으로 시행하는 혈액검사를 통해 간 전이 가능성을 예측해 표준 영상 진단 검사를 보조할 수 있을 것으로 내다봤다.

연세대 치과대학병원 구강과학연구소 박연정·정효정 교수팀은 최근 연세대 인공지능융합대학 황성재 교수팀과 함께 X-레이 영상과 임상 정보를 함께 분석해 턱관절 이상 가능성을 예측하는 AI 모델을 개발했다.

연구진은 2021년 1월∼2023년 12월 턱관절 이상으로 연대 치대병원 구강내과를 찾은 환자 가운데 파노라마 X-ray와 MRI를 모두 촬영한 환자 1355명의 검사 결과(2710개)와 관절 소리 등의 임상 정보를 AI모델로 함께 분석했다.

그 결과 AI 모델은 턱관절 이상 여부 교차 검증에서 정확도 지표(AUC) 0.86, 독립 테스트에서는 AUC 0.84의 성능을 보였다. AUC는 값이 1에 가까울수록 예측 정확도가 높은 지표다.

이는 MRI 촬영 없이도 파노라마 X-ray와 기본 임상 정보만으로 턱관절 이상 가능성을 의미 있게 예측함으로써 환자 부담을 줄일 수 있는 가능성을 보여준 결과라고 세브란스병원은 설명했다.

연구팀은 대부분의 치과에서 촬영되는 파노라마 X-ray를 활용해 실제 진료 현장에서 적용 가능성이 클 것으로 기대했다.

서울대병원 소아청소년과 홍경택·강형진 교수팀은 최근 융합의학과 한도현 교수팀과 함께 소아 조혈모세포이식 환자 가운데 '간정맥폐쇄성질환(VOD)' 고위험군을 선별할 수 있는 핵심 표지자를 찾아 이를 적용한 인공지능(AI) 예측 모델을 만들었다.

연구팀은 반일치 공여자를 통한 동종조혈모세포이식을 앞두고 부설판 기반 고강도 전처치를 받은 소아 환자 51명을 대상으로 항암 전후 혈액 내 단백질 720개를 정밀 분석했다. 51명 가운데 26명은 중증 간정맥폐쇄성질환이 발생한 환자, 25명은 그렇지 않은 환자였다.

분석 결과 합병증이 없는 환자들은 항암 전부터 간에서 독소를 해독하는 효소(GCLC) 수치가 높아 고독성 항암제를 씻어낼 '청소 도구'를 갖추고 있었던 것으로 파악됐다.

이에 비해 질환이 생긴 환자들은 항암 치료를 시작 전부터 이 해독 효소가 부족했을 뿐 아니라 간의 '기초 체력'을 담당하는 특정 단백질(FBP1) 발현도 유의미하게 낮아 독성 자극에 취약한 상태였던 것으로 분석됐다.

이러한 결과를 바탕으로 연구팀은 고위험군을 가려낼 수 있는 15개 초기 표지자를 찾아냈으며, 예측력이 높은 5개 핵심 단백질(HRNR, FBP1, DCD, GCLC, LSAMP)을 추려 적용했더니 고위험군을 92% 수준으로 판별(예측 성능 0.922)할 수 있었다.

연구팀은 새롭게 확인된 단백체 양상이 고위험군 환자의 효과적인 예방과 안전한 이식 치료를 이끄는 중요한 전환점이 될 것으로 기대했다.

Tag

#의료#인공지능#보조