△ 국내에서 신개념 의료 AI를 잇따라 개발하고 있다.

국내에서 신개념 의료용 인공지능(AI) 기술이 잇따라 개발돼 의료기기 상용화 기대감을 높이고 있다

21일 의료계 등에 따르면 국내 연구진이 임신 중 '전자간증' 조기 예측, 인바디 기반 불면증·수면무호흡증 위험 예측, 요추 유합술 환자 임상적 호전 가능성 예측 AI 솔루션을 개발하는데 성공했다.

차 의과학대학교 분당차여성병원 산부인과 류현미 교수는 최근 스마트MEC케어R&D센터 연구팀과 함께 임신 초기 임상 데이터를 활용해 임신 중 발생하는 고혈압성 질환인 전자간증 위험을 조기에 예측하고 예측 결과의 정확도를 높인 기술을 개발했다.

전자간증은 임신 중 발생하는 대표적인 고혈압성 질환으로, 산모와 태아 모두에게 중대한 합병증을 일으킬 수 있다. 고위험 산모를 임신 16주 이전에 조기 선별하는 것은 예방적 개입과 면밀한 산전관리를 위해 중요하다.

연구팀은 전자간증 발생 위험과 함께 해당 예측 결과를 신뢰할 수 있도록 새로운 접근법을 시도했다. 

연구팀은 차병원에서 수집한 단태임신 3만1235건의 임상 데이터를 이용해 전자간증 조기 예측 모델을 개발한 뒤, 다른 의료기관에서 수집한 단태임신 5372건의 데이터를 활용해 예측 성능을 다시 검증했다.

연구팀은 AI 예측 결과에 어떤 검사 항목이 영향을 미쳤는지 분석하고 주요 검사값이 빠져 있을 때 예측 결과의 신뢰도가 어떻게 달라지는지도 함께 평가했다. 이를 통해 산모별 전자간증 위험도뿐 아니라 그 예측을 의료진이 어느 정도 신뢰할 수 있는지 판단할 수 있는 모델을 개발했다.

검증 결과 주요 정보가 충분히 포함된 경우 예측 정확도가 크게 향상되는 것으로 나타났다. 특히 평균동맥압, 초산 여부, inhibin-A, HDL 콜레스테롤 등의 정보가 예측 신뢰도에 중요한 영향을 미쳤다.

주요 임상 정보가 충분할수록 예측의 신뢰도가 높아지며 일부 정보가 누락된 경우에는 결과를 보다 신중히 해석할 필요가 있다고 설명했다.

연구팀은 실제 의료 현장의 데이터가 항상 완전하지 않기 때문에 AI 모델이 단순히 위험도를 제시하는 것만으로는 충분하지 않기에 예측값과 함께 그 예측을 얼마나 신뢰할 수 있는지를 알려주는 방식은 향후 임상 적용 가능한 산전관리 AI 개발에 중요한 방향이 될 것으로 기대했다.

인제대학교 일산백병원 신경과 배희원 교수는 삼성서울병원 주은연 교수, 한국과학기술원 김재경 교수와 함께 인바디 검사에서 측정한 근육량과 제지방량 정보를 활용해 기존보다 정확하게 수면장애 위험을 예측하는 AI 모델 'I-SLEEPS(InBody-based SimpLE quEstionnairE Predicting Sleep Disorders)'를 개발했다.

연구팀은 인바디 검사에서 확인할 수 있는 골격근지수(SMI)와 제지방지수(FFMI)를 AI 모델에 반영했다. 이를 통해 총 10개 변수로 구성된 새로운 예측 모델 I-SLEEPS를 개발했다.

실제로 BMI가 20~30인 폐쇄성 수면무호흡증 환자를 분석한 결과 같은 BMI라도 근육량과 체성분이 크게 달랐다. 연구팀은 BMI만으로는 수면장애 위험을 충분히 설명하기 어렵다는 사실을 확인했다.

연구팀은 수면다원검사와 인바디 검사를 함께 받은 3291명의 데이터를 분석해 AI 모델을 개발했다.

연구팀은 이후 별도의 환자군을 대상으로 성능을 검증한 결과 기존 예측 모델보다 불면증과 폐쇄성 수면무호흡증, 두 질환이 함께 나타나는 복합 수면장애(COMISA) 모두에서 예측 정확도가 향상됐다.

특히 불면증은 약 93%에서 96% 수준으로, 폐쇄성 수면무호흡증은 90%에서 93% 수준으로, 복합 수면장애(COMISA)는 94%에서 97% 수준으로 예측 성능이 개선됐다. 

환자 수가 적어 예측이 어려운 질환에서도 정확도가 높게 나타나 AI 모델의 안정성과 신뢰성을 확인했다.

또 외부 병원 환자 195명을 대상으로 추가 검증한 결과에서도 높은 예측 정확도를 유지해 다른 의료기관에서도 활용 가능성이 높은 것으로 나타났다.

연구팀은 AI 분석을 통해 체성분과 수면장애의 연관성도 확인했다. 

분석 결과 골격근지수(SMI)와 제지방지수(FFMI)가 낮을수록 불면증 위험이 높아졌으며 반대로 SMI와 FFMI가 높을수록 폐쇄성 수면무호흡증 위험이 증가하는 경향을 보였다.

연구팀은 불면증 환자의 경우 수면 부족이 지속되면 만성 염증과 호르몬 변화로 근육량이 감소할 수 있는 반면 수면무호흡증 환자는 목과 몸통 주변의 근육량 증가가 기도를 좁혀 질환 발생에 영향을 줄 수 있다고 설명했다.

또 COMISA는 불면증과 수면무호흡증의 특성이 함께 나타나는 복합적인 질환인 만큼, 향후 환자별 맞춤형 선별과 치료 전략 수립에 체성분 정보가 도움이 될 수 있을 것으로 기대했다.

연구팀은 앞으로 다양한 의료환경에서 추가 검증이 이뤄진다면 수면장애를 보다 쉽게 조기에 선별하고 환자에게 맞는 맞춤형 치료 전략을 세우는 데 도움이 될 것으로 기대했다.

아주대병원 신경외과 노성현 교수팀은 최근 경북대 데이터사이언스대학원 김수현 교수팀과 함께 나이, 성별, 체질량지수(BMI), 골밀도, 흡연력, 재수술 여부, 당뇨·고혈압 등 동반질환과 수술 전 삶의 질 평가 결과 등 22개의 수술 전 정보를 바탕으로 수술 후 임상적으로 의미 있는 호전(Clinically Significant Improvement, CSI) 가능성을 예측하는 모델을 개발했다.

연구팀은 지난 2021년 1월~2023년 12월 아주대병원에서 요추 유합술을 받은 환자 359명의 임상 데이터를 분석했다.

연구팀은 수술 후 최대 2년간의 추적 관찰 자료를 바탕으로 환자의 삶의 질 개선 여부를 평가하고 이를 예측하기 위해 의료 분야의 임상데이터를 학습·분석하는 데 널리 사용되는 대표적인 머신러닝 알고리즘인 Gradient Boosting, AdaBoost, Random Forest, Extra Trees, XGBoost, LightGBM 등 6가지를 각각 적용해 모델을 구축한 뒤 성능을 비교했다.

그 결과 Extra Trees 알고리즘을 적용한 예측 모델이 다른 5개 알고리즘 기반 예측 모델보다 가장 우수한 성능을 보였으며 예측의 정확도를 종합적으로 평가하는 F1-score는 0.850을, 삶의 질 개선 여부를 구분하는 변별력을 나타내는 AUROC는 0.835를 기록했다.

두 지표는 모두 1에 가까울수록 예측 성능이 우수함을 의미한다.

연구팀은 추가 분석을 통해 고혈압, 당뇨, 체질량지수(BMI), 골밀도, 재수술 여부 등이 수술 후 삶의 질 개선과 환자 만족도에 영향을 미치는 주요 요인임을 확인했다.

이번 연구는 수술 후 정보가 아닌 수술 전에 확인 가능한 정보만으로 예측 모델을 개발했다는 점에서 의미가 있다. 

연구팀은 이 연구 결과가 실제 진료 현장에서 수술 여부를 결정하거나 환자와 치료 효과를 상담하는 과정에서 활용될 수 있을 것으로 기대했다.

Tag

#인바디#체질량지수#전자간증#불면증#AI