△ 의료 AI 솔루션이 잇따라 개발되고 있다.

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

3일 업계에 따르면 국내 연구진이 비정형 파킨슨 증후군 진단, 경추척수증 수술 예후 예측, 심방세동 위험 예측 AI 솔루션을 개발하는데 성공했다. 

부산대 정보컴퓨터공학부 감진규 교수팀은 최근 양산부산대학교병원 뇌신경센터 이재혁 교수팀과 함께 소수 샘플 학습 기법과 하이퍼볼릭 임베딩을 결합한 AI 모델을 개발했다.

파킨슨병과 유사한 증상을 보이는 비정형 파킨슨 증후군은 희귀 신경계 질환으로, 대표적으로 진행성 핵상 마비와 다계통 위축증이 포함된다.

질환마다 예후와 치료법이 다르기 때문에 정확한 진단이 필수적이지만, 초기에는 증상이 유사해 감별 진단이 어렵다.

특히 유병률이 낮은 질환의 경우 수집할 수 있는 영상 데이터가 부족해 기존 AI 기반 기술로는 이러한 한계를 극복하기 어려웠다.

연구진이 개발한 모델은 뇌 MRI 단계를 통합해 철분 축적 패턴을 정밀하게 시각화하고, 데이터 간 계층적 관계를 반영해 데이터가 부족한 환경에서도 뛰어난 성능을 발휘한다.

실험 결과 이 기술은 최대 94%의 진단 정확도를 기록해 기존 기술과 비교해 뛰어난 성능을 입증했다.

이번 연구는 적은 데이터로도 높은 진단 정확도를 구현할 수 있는 실용적 AI 기술을 의료 현장에 적용할 수 있다는 점에서 중요한 의미를 지닌다는게 연구팀의 설명이다.

연구팀은 의료와 AI의 융합으로 희소 질환을 정확하게 감별 진단할 수 있게 돼 환자에게 최적화된 치료를 제공하는 데 도움이 될 것이라고 기대했다.

서울대병원 융합의학과 공현중 교수팀은 최근 신경외과 김치헌 교수팀과 함께 2015년 7월~2017년 4월 경추척수증으로 수술 받은 환자의 신경기능 회복 상태 등 임상정보를 추적하고 이를 바탕으로 장기적 수술 예후를 예측하는 AI 알고리즘을 개발했다.

경추척수증은 경추(목뼈) 부위의 신경이 압박을 받아 손상되는 질환으로 손 움직임이 어렵거나 걷기 힘들어지는 등 운동신경·감각신경 마비를 유발할 수 있다.

치료를 위해 척수신경이 지나는 부위(후궁)를 열고 압박을 풀어주는 '경추후궁성형술'을 실시한다. 

이 수술 후 모든 환자는 예후를 추적 관찰하기 위해 수술 후 1년 동안은 수개월에 한 번씩 2년부터는 매년 한 번씩 정기적으로 외래진료를 받아야 한다.

그러나 신경기능을 빠르게 회복하고 안정적으로 유지하는 환자는 정기적인 외래진료가 불필요할 수 있다. 

실제로 이처럼 예후가 좋은 환자는 불편감을 잘 느끼지 않기 때문에 외래진료에 노쇼(No-show)하는 문제도 생긴다. 

환자의 편의를 증진하고 병원 운영의 효율성을 높이려면, 맞춤형 추적 관찰 일정을 수립할 수 있도록 예후가 좋은 환자를 미리 선별할 필요가 있었다.

연구팀은 경추척수증 환자 80명의 수술 후 임상정보를 바탕으로 장기 예후를 예측하는 AI모델을 개발했다. 

이 모델은 성별, 연령, BMI, 합병증, 수술 전후 신경기능 등의 변수를 머신러닝 기법으로 분석하고 수술 2년 후 신경기능 회복상태를 예측하도록 설계됐다. 

환자의 신경기능은 임상에서 널리 사용되는 'OA 점수(일본정형외과학회점수)'로 측정했으며 17점 만점에 14.25점 이상이면 신경기능이 잘 회복돼 예후가 좋은 상태로 간주했다. 

성능 분석 결과 머신러닝 모델의 민감도, 특이도, 정확도는 각각 97%, 88%, 94%였다. 특히 AUROC(곡선아래면적) 수치는 0.90으로 이는 예후가 좋은 환자와 그렇지 않은 환자를 높은 정확도로 구별할 수 있음을 의미한다.

또 예측에 대한 각 변수의 영향을 SHAP 기법으로 분석한 결과 '수술 12개월째 JOA 점수'가 가장 중요한 영향을 미친 것으로 나타났다.

그 외에도 △수술 6개월·1개월·3개월째 JOA 점수 △BMI △수술 전 JOA 점수 △성별 △연령 △MRI 뱀눈징후 △수술 전 보행상태 등의 순으로 많은 영향을 미쳤다.

연구팀은 추가적으로 2020년 9월~2022년 7월 수술 받은 환자 22명의 데이터를 활용해 이 모델의 성능을 검증한 결과 AUROC 0.86으로 우수한 성적이 일관되게 나타났다.

연구팀은 AI로 예측된 예후가 좋은 환자는 병원 방문 빈도를 줄이는 등 최적화된 일정으로 진료 받을 수 있어, 환자 경험을 개선하는 데 도움이 될 것으로 예상했다.

세브란스병원 심장혈관병원 심장내과 정보영‧유희태 교수팀은 최근 연세대학교 의과대학 의생명시스템정보학교실 유승찬 교수팀과 함께 심방세동 위험성 및 조기 발병률을 예측하기 위한 심전도 노화 분석 인공지능 딥러닝 모델을 개발했다.

심장 박동을 전기 신호로 기록하는 심전도는 심장질환 진단에 사용된다. 최근 인공지능 기술이 발달해 심전도 검사 분석을 기반으로 심장 상태를 예측하기 위한 시도가 이뤄지고 있다.

연구팀은 세브란스병원이 보유한 약 150만 개의 심전도 데이터베이스를 학습시켜 심전도 노화 정도를 분석할 수 있는 인공지능 딥러닝 모델을 개발했다.

이를 6개국의 심전도 데이터 약 70만 개와 비교 분석하며 AI 모델의 실효성을 검증하는 절차도 마쳤다.

특히 이번 연구는 한국인의 심전도 데이터베이스로 학습시킨 AI가 미국 메이요 클리닉, 영국 바이오 뱅크 등 해외 저명한 기관을 통해 인종이 달라도 같은 결과를 내는지 검증했다는 점에서 의의가 있다.

연구팀은 검증을 마친 AI 모델을 사용해, 4개의 다국적 코호트에서 심전도 검사를 받은 약 28만 명을 대상으로 심전도 노화 정도와 심방세동 위험성을 분석했다.

분석 결과 심전도가 노화된 그룹 A(5만 108명)은 정상 그룹 B(23만 504명)에 비해 심방세동발병 위험도가 1.86배 높았다.

또 66세 이상의 고령이 되기 전에 심방세동이 발병한 위험도는 A그룹이 B그룹보다 2.07배 높았다.

심전도의 측정 나이가 실제 본인의 나이보다 1살 많아질수록 심방세동 발병률은 3%씩, 조기 발병 위험도는 4%씩 증가하는 것도 확인했다.

연구팀은 이번 연구 결과에 대해 심전도 노화 정도와 심방세동 발병과의 상관관계를 확인한 것이라 분석했다.

이에 따라 심전도 노화 정도를 기반으로 심방세동뿐만 아니라 노화에 따른 다른 심장 질환에 대한 조기 예측과 예방도 가능해질 것이라는 평이다.

연구팀은 심전도가 심장질환 진단의 중요한 바이오마커인 만큼 이번 연구가 심방세동은 물론 다른 심장질환 예측에도 활용될 것으로 기대했다.

• 
  
• 강찬우 기자
• ehealth@e-healthnews.com