의료 현장에서 인공지능(AI) 솔루션의 활용이 활발히 이뤄지면서 관련 기술 개발이 잇따르고 있다.

10일 업계에 따르면 국내 연구진이 녹내장 수술 성공 예측, 방사선 치료 필요성 예측, 침 속 호르몬으로 우울증 진단 솔루션 등을 개발하는데 성공했다.

아주대병원 안과 이승엽·안재홍 교수는 의료정보학교실 이동윤 전문의와 함께 2017~2021년, 5년간 아메드밸브 삽입술을 받은 환자 133명의 데이터를 분석해 녹내장 수술 결과를 예측할 수 있는 기계적 학습 모델을 개발했다.

녹내장은 안압 상승으로 시신경이 손상되면서 발생하는 시신경병증으로 시야가 점점 좁아지며 증상이 심하면 실명에 이를 수 있다.

아메드밸브 삽입술은 약물치료에 반응하지 않아 안압 조절이 안되는 경우 시행하는 대표적인 녹내장 수술법으로 눈 속에 아메드밸브를 삽입해 눈 속의 압력을 일으키는 방수를 배출해 안압을 하강시킨다.

연구결과 이번 XGBoost 모델을 이용한 예측 모델은 모든 평가 지표에서 다른 모델들보다 우수한 성능을 보였으며 또 고령일수록 수술 실패의 위험성이 증가하는 것을 확인했다.

연구팀에 따르면 이번 모델의 성능을 최대한 높이기 위해 인구 통계학적 정보, 안과적 변수, 전신질환, 약물력 등 다양한 데이터를 통합해 예측력을 극대화했으며 기존의 다양한 기계 학습 알고리즘과 비교·분석해 최적의 모델을 개발한 후 이를 아메드밸브 삽입술 녹내장 수술에 접목시켰다.

기존의 많은 기계 학습 모델이 주로 단일 요인이나 제한된 매개변수에 집중하다 보니, 현실의 복잡한 임상 상황 혹은 개별 환자의 특성을 충분히 반영하지 못해 예측 정확도가 낮다는 한계가 있었다.

연구팀은 기계 학습을 이용한 아메드밸브 삽입술 예측의 첫 시도로 안압이 조절되지 않는 녹내장 환자에서 널리 시행하고 있는 수술의 성공 가능성을 비교적 정확하게 예측할 수 있을 것으로 기대했다.

분당서울대병원 산부인과 김기동 교수는 최근 경희대학교병원 산부인과 황우연 교수와 함께 초기 자궁경부암 환자에서 방사선 치료의 필요성을 평가하는 예측 모델을 세계 최초로 개발 수술 전 난소전위술 시행 여부를 결정하는 데 큰 도움이 될 것으로 보인다.

연구팀은 수술 전에 방사선 치료 여부를 예측할 수 있는 모델을 도출하기 위한 후향적 연구를 실시했다.

이번 연구에서는 대한부인종양연구회를 통해 수집된 2000~2008년 자궁경부암으로 '변형 근치자궁절제술'과 '근치적 자궁적출술'을 받은 20세~45세 환자 886명의 데이터를 사용했다.

데이터에는 연령, 병력, 종양의 크기, 종양의 유형 등 다양한 수술 전 변수가 포함된다.

종양의 크기가 크거나 주변 조직으로의 침범 등 고위험 요소가 감지되면 방사선 치료 위험을 양성으로 정의했다.

반대로 이러한 특성이 없으면 음성으로 정의했다. 이후 이를 기반으로 기계학습 분석을 통해 종양의 크기와 연령을 기준으로 4개의 하위 그룹으로 계층화 시켜 비교 분석했다.

이들을 분석한 결과 종양 크기가 2.45cm 이하인 환자는 13.4%, 종양 크기가 2.45cm 초과 3.85cm 이하인 환자는 43.3%의 방사선 치료 위험도(양성)를 나타냈다.

종양 크기가 3.85cm 초과하고 연령이 39.5세 이하인 환자는 84.4%, 종양의 크기가 3.85cm 초과하고 39.5세 초과인 환자는 88.5%의 위험도를 나타냈다.

연구팀은 이번 연구 결과를 바탕으로 폐경 전 자궁경부암 환자에서 수술 전 예측된 위험도에 따라 난소전위술 여부를 결정할 수 있게 됐으며 이 모델을 임상에 적용함으로써 환자가 중심이 되는 치료를 시행하고 이를 통해 부인과 종양학의 치료 표준을 향상시키는 계기가 될 것이라고 기대했다.

연세대 강남세브란스병원 정신건강의학과 석정호 교수팀은 최근 침 속 호르몬인 코르티솔을 기반으로 우울증을 진단하는 소프트웨어 솔루션 '마인즈내비(Minds.NAVI)'를 개발했다.

마인즈내비는 설문 평가 도구인 PROVE 검사와 타액 내 바이오마커 분석 시스템으로 구성돼 있다.

우울증의 진단은 심리학적인 설문 평가와 면담을 통해 이뤄진다. 자가보고에 기반한 방식이기 때문에 편향과 오류가 발생할 수 있다는 단점이 존재한다. 정신의학계에서는 우울증을 비롯한 정신질환도 다른 신체질환처럼 생물학적 지표를 포함해 진단을 객관화하고자 노력해 왔다.

코르티솔은 외부의 스트레스와 같은 자극에 맞서 몸이 최대의 에너지를 낼 수 있도록 돕는 역할을 한다.

연구팀은 선행연구를 통해 우울증 환자에게서 코르티솔의 농도가 낮게 나타나는 점을 밝혀냈다.

우울증이 심할수록 신체 기능이 스트레스에 대응할 수 있는 준비 상태가 부족해진다는 것을 시사한다.

이를 바탕으로 연구팀은 타액 호르몬 분석 결과를 우울증 진단 과정에 접목했다.

기존의 심리학적 평가설문 도구도 새롭게 구성했다. 생체지표를 활용하여 정신질환을 정확히 진단함과 동시에 진단의 과학적인 근거를 확보해 객관성을 높였다.

연구팀은 정신건강의학과 전문의와 임상심리전문가의 평가와 면담을 통해 주요우울장애 환자 35명과 건강대조군 12명을 선별했다.

이후 정신건강 보호·취약 요인을 평가하는 설문 도구 PROVE 검사로 심리지표를 수집했고 생물학적 지표 측정을 위해 타액과 혈액을 채취했다.

마지막 단계에서는 마인즈내비 소프트웨어로 심리지표와 생물지표를 통합 분석했다.

마인즈내비는 연구 참가자를 비우울증-우울증으로 나누고, 비우울증군은 건강(녹색), 유의(황색)로, 우울증군은 경도(주황색), 중증(적색)으로 분류했다.

연구 결과 마인즈내비의 진단 정확도는 97.9%로 나타났다.

마인즈내비는 주요우울장애로 분류된 환자 35명을 모두 우울증 환자군으로 진단했으며(민감도 100%), 건강대조군은 12명 중 11명은 비우울증 환자군으로 1명은 우울증 환자군으로 분류했다(특이도 91.7%).

우울증군에서 코르티솔의 양이 낮게 나타난다는 사실 역시 다시 검증됐다.

비우울증군에 비해 우울증군의 타액 내 코르티솔의 양이 낮게 나타났으며 우울증 환자의 우울 증상이 심할수록 코르티솔의 양이 낮게 나타났다.

또 코르티솔 농도가 낮아 부신 기능이 소진 단계에 해당하는 환자의 비율 역시 우울증군(경도 발현 50.0%, 중증 발현 57.1%)이 건강대조군(16.7%)에 비해 유의미하게 증가했다.

연구팀은 이번 연구는 자가보고식 심리학적 분석에 생물학적 지표를 더해 우울증 진단의 과학적 객관성을 높일 수 있을 것으로 기대했다.