△ 국내에서 신개념 의료 AI를 잇따라 개발하고 있다.

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

10일 의료계 등에 따르면 국내 연구진이 망막 사진으로 치매 선별·예측, 사레 위험군 진단, 유전성 망막질환 원인 유전자 발견 AI 솔루션을 개발하는데 성공했다.

서울대병원 가정의학과 박상민 교수팀은 2004~2016년 원내 건강검진 수검자 3만6322명의 안저 사진 10만8008장을 활용해 치매를 선별·예측하는 AI를 개발하고 성능을 평가했다.

치매는 단일 검사만으로 확진이 어려워 임상 평가와 인지검사, 뇌 자기공명영상(MRI) 등을 종합해 진단한다. 그러나 비용과 접근성으로 인해 대중적인 선별검사로 활용하기에는 제약이 있다. 

반면 망막은 중추신경계의 연장선으로 뇌의 혈관 및 신경 변화를 반영하는 조직으로 알려져 있으며 안저 사진은 치매 위험을 평가할 수 있는 생체표지자로 주목받고 있다.

연구팀은 안저 촬영 전후 2년 이내 치매 진단을 받은 1001명(2868장)을 치매군으로 정의하고, 치매가 없는 대조군과 1:4로 매칭해 개발 데이터셋을 구축했다. 

이를 활용해 5종의 파운데이션 모델과 3가지 미세조정(fine-tuning) 전략을 조합한 총 15가지 AI 모델을 개발했다.

이어 연구팀은 각 모델의 예측 성능을 비교해 최적 모델을 선정한 뒤 해당 모델의 임상적 유용성과 설명 가능성을 평가했다. 

설명 가능성은 AI가 안저 사진의 어느 부위를 근거로 판단했는지를 히트맵으로 시각화한 뒤, 이를 시신경유두와 혈관 등 망막의 해부학적 구조와 비교하는 방식으로 확인했다.

그 결과 수백만 장의 안저 사진으로 사전 학습된 파운데이션 모델 'RETFound-MAE'에 부분 미세조정 전략을 적용한 AI가 가장 우수한 성능을 보였다. 

해당 AI의 현재 치매 선별 성능은 AUROC 0.750, 향후 치매 발생 예측 성능은 C-index 0.812로, 기존의 임상 치매 위험 평가 도구인 CAIDE(AUROC 0.624, C-index 0.689)보다 우수했다.

나이, 성별 등 기존 치매 위험요인을 보정한 후에도 AI 점수가 높을수록 현재 및 향후 치매 위험이 유의하게 증가했다. 이는 안저 사진이 기존 위험인자 외에도 치매 위험을 반영하는 추가적인 정보를 담고 있음을 보여준다.

예측 모델의 유용성을 평가하는 의사결정곡선분석에서도 해당 AI는 CAIDE 점수 및 전수검진·미검진 전략보다 높은 점수를 보였다. 또 CAIDE 방식과 AI를 함께 활용했을 때 예측 성능(AUROC)이 0.749에서 0.774로 향상돼, AI 모델이 기존 치매 위험평가 체계를 보완할 수 있음을 확인했다.

AI의 판단 근거를 분석한 결과, 모델은 '시신경유두'와 '시신경유두 주변 영역'에 높은 주목도를 보였다. 시신경유두 전체의 주목도는 일반 주변 영역보다 5.72배 높았으며, 특히 시신경유두의 귀쪽 영역에서 가장 높은 주목도가 나타났다. 또 시신경유두와 황반을 연결하는 유두황반다발과 시신경유두 주변부에서도 높은 주목도가 확인됐다. 이는 기존 의학계에서 보고된 치매 관련 망막 부위와 일치하는 결과로, AI가 생물학적으로 타당한 망막 신호를 활용해 판단했을 가능성을 뒷받침한다.

연구팀은 추가적인 고비용 검사 없이 일상 검진 데이터를 활용하는 이번 AI 기술이 치매 예방과 조기 개입 전략에서 유용한 보조 도구가 될 것으로 기대했다.

분당서울대병원 재활의학과 류주석 교수팀은 최근 음식물을 삼킨 직후에 '아~'하고 단 2초간의 짧은 목소리만으로도 흡인(사레) 위험군과 정상군을 구분해해 내는 인공지능(AI) 솔루션을 개발하고 그 성능을 검증한 결과 이같이 확인했다.

연구팀은 삼킴 기능에 문제가 생기면 목소리의 질이 달라질 수 있다는 점에 주목했다.

정상적인 삼킴에서는 후두가 기도를 막아 음식물이 안전하게 식도로 넘어가지만 삼킴장애 환자는 이 기능이 약해져 음식물이 성대 위에 남기 쉽고 남은 음식물이 성대 진동을 방해해 목소리 질이 변하게 된다.

연구팀은 이 원리를 활용해 2024년 삼킴 직후 목소리만으로 흡인 위험군과 정상군을 구분하는 AI 모델을 개발했는데 당시에는 음성 데이터를 원본 길이 그대로 사용해 삼킴장애 환자와 일반인 간 발성 길이 차이가 AI 판단에 영향을 미치는 문제가 있었다.

삼킴장애 환자는 목소리를 길게 내기 어렵기 때문이다. 이에 연구팀은 모든 음성 데이터를 2초 단위로 자동 분할해 표준화하는 방식을 도입한 바 있다.

나아가 자동 분할 과정에서 의미 있는 구간이 잘리거나 잡음이 포함될 수 있다는 점을 고려해 연구진이 직접 데이터를 확인하며 다듬는 과정을 추가했다.

이렇게 엄격하게 보정된 데이터를 AI에 학습시킨 다음 흡인 위험군을 선별하는 성능을 검증하고자 연구를 실시했다.

연구팀은 2021년 10월~2023년 2월 분당서울대병원에서 삼킴장애 증상으로 비디오투시연하검사를 받은 환자와 삼킴장애 증상이 없는 일반인을 대상으로 삼킴 직후 목소리가 녹음된 데이터를 수집했다. 그중 녹음 품질 등 기준을 충족한 40세 이상 성인 198명(흡인 위험군 70명, 정상군 128명)을 최종 연구 대상으로 선정했다.

그 결과 남녀 데이터를 통합해 학습시킨 모델이 흡인 위험군과 정상군을 구분하는 능력(AUC, 1에 가까울수록 우수) 0.8090, 흡인 위험군을 찾아내는 민감도 81.78%, 정상군을 찾아내는 특이도 80.02%로 가장 우수한 성능을 보였다.

반면 남성과 여성 데이터를 따로 학습시킨 모델의 AUC는 각각 0.7230, 0.7376으로 통합 모델보다 낮았다.

또 음성 데이터를 2초로 표준화하는 접근의 타당성을 분석한 결과, 삼킴장애 증상으로 비디오투시연하검사를 받은 환자의 평균 발성 지속시간은 2.22~2.48초로 일반인(6.19초)에 비해 유의하게 짧았다.

이는 2초 표준화가 단순한 편의가 아니라 삼킴 기능에 문제가 있는 환자의 발성 능력을 반영한 과학적 기준이라는 점을 뒷받침한다.

연구팀은 이번 연구가 삼킴장애 환자가 실제로 낼 수 있는 발성 조건에 맞춰 데이터를 엄격하게 보정함으로써 단 2초간의 짧은 목소리만으로도 흡인 위험군과 정상군을 안정적으로 구분해내는 AI 모델을 제시했다는 점에서 의의가 크다고 설명했다.

세브란스병원 안과 한진우·변석호 교수팀은 최근 강남세브란스병원 안과 이준원 교수와 함께 안저사진과 빛간섭단층촬영(OCT) 영상만으로 유전성 망막질환의 원인 유전자를 예측하는 AI 시스템을 개발하고 실제 진료 현장에서 임상시험을 통해 유용성을 확인했다.

연구팀은 안과 진료에서 가장 널리 활용되는 안저사진과 OCT 영상만으로 원인 유전자를 예측하는 AI 기반 임상의사결정지원시스템 'Retina4IRD'를 개발했다.

연구팀은 한국·중국·폴란드 3개국 9개 의료기관에서 유전자 검사로 확진된 유전성 망막질환 환자 1843명(3376안)의 안저사진과 OCT 영상, 나이·성별·가족력·발병 연령·유병기간 등 임상정보를 학습시켜 해당 모델을 구축했다.

Retina4IRD는 치료법이 있거나 임상시험이 진행 중인 유전자를 포함해 총 17개 유전자 범주에 대해 발생 가능성이 높은 순으로 후보 유전자를 제시한다.

연구팀은 AI의 정확도를 분석하기 위해 내부검증을 진행했다. 그 결과 실제 원인 유전자가 상위 5개 후보 안에 포함되는 'TOP-5' 정확도는 90.4%를 기록했다.

AI의 실제 임상 활용 가능성을 확인하기 위해 무작위 대조 임상시험도 진행했다. 환자 295명을 AI 보조 진단군(148명)과 전문의 단독 진단군(147명)으로 무작위 배정한 뒤, 이후 시행한 차세대염기서열분석 결과를 기준으로 진단 정확도를 비교했다.

분석 결과 1차 평가변수인 TOP-5 유전자 예측 정확도는 AI 보조군이 88.5%로 전문의 단독군 67.3% 보다 높게 나타났다. 또한 가장 가능성이 높은 유전자 하나를 맞히는 'TOP-1' 정확도 역시 AI 보조군은 37.8%로 전문의 단독군 22.4% 보다 높게 확인됐다.

이번 연구는 안과 진료 현장에서 일상적으로 촬영하는 안저사진과 OCT 영상만으로 유전성 망막질환의 원인 유전자를 예측하는 AI 시스템의 실제 임상적 유용성을 전향적 무작위 대조 임상시험으로 입증한 세계 최초 사례다.

연구팀은 이번 연구를 통해 개발한 Retina4IRD는 의사를 대신해 진단을 내리는 것이 아닌 유전자 검사를 하기 전 가능성이 높은 원인 유전자를 먼저 좁혀주는 사전 선별 도구로 활용될 것으로 기대했다.

Tag

#의료AI#치매예측#사레진단