국내에서 의료분야에서 인공지능(AI) 기술이 잇따라 개발돼 의료기기 상용화 기대감을 높이고 있다.

2일 업계에 따르면 국내 연구진이 직장암 항암 방사선치료 반응, 안저검사 망막 사진 활용 자폐스펙트럼장애, 항생제 내성 등을 예측할 수 있는 AI기술을 잇따라 개발했다.
 
연세대 세브란스병원 소아정신과 천근아·최항녕 교수팀은 최근 안과 강현구 교수, 의대 의생명시스템정보학교실 박유랑 교수팀과 함께 안저검사 망막 사진을 이용해 자폐스펙트럼장애를 선별하고 증상의 중증도를 예측하는 AI 모델을 개발했다.

연구팀은 2022년 4~10월 세브란스병원 소아정신과에 내원한 자폐스펙트럼장애 환자 479명의 945개 안저망막사진과 세브란스병원 안과에 내원한 정상 대조군의 망막사진 945개를 수집했다.

수집한 안저망막사진 데이터를 인공지능 모델에 학습시켜 '자폐스펙트럼장애와 정상대조군을 구분하는 AI 모델'과 '중증자폐스펙트럼장애와 경도~중증도 자폐스펙트럼장애를 구분하는 AI 모델'을 각각 구축했다.

연구팀은 AI 모델의 예측성능을 수신기 작동 특성 곡선(AUROC), 민감도, 특이도, 정확도 등 4개 지표로 분석했다.

AUROC는 'ROC 곡선의 아래 면적'이라는 뜻으로 어떤 질환을 진단하기 위한 특정 검사도구의 진단 정확도를 나타내는 통계 기법으로 AI 모델의 성능평가 지표로 주로 사용된다. 통상적으로 1에 가까울수록 성능이 뛰어나며 0.8 이상인 경우 고성능 모델로 평가된다.

분석 결과 자폐스펙트럼장애를 선별하는 AI 모델은 AUROC 1(100%), 민감도 1(100%), 특이도 1(100%), 정확도 1(100%)로 높은 예측 결과를 보였다. 중증도 예측 AI 모델은 AUROC 0.74(74%), 민감도 0.58(58%), 특이도 0.74(74%), 정확도 0.66(66%)의 성능을 보였다. 특히 자폐스펙트럼장애 선별에는 시신경유두(optic disc) 영역이 가장 핵심적임을 밝혔다.

연구팀은 이 연구 결과가 자폐스펙트럼장애의 진단과 예후 예측 시스템 구축에 도움이 될 것이라고 내다봤다.
 
한국원자력의학원 우상근·신의섭·김병일 박사팀은 최근 국소 진행형 직장암 환자가 수술 전 항암 방사선치료를 했을 때 종양이 사라질지 예측할 수 있는 기계학습 모델을 개발했다.

연구팀은 국소 진행성 직장암 환자 156명을 대상으로 양전자방출단층촬영(PET) 영상 데이터를 학습한 AI 모델을 개발했다.

이를 이용해 수술 전 항암 방사선 치료 후 완전관해를 예측한 결과 예측 정확도는 76%로 나타났다.

여기에 부천순천향병원 환자의 영상 데이터와 치료 결과를 학습시키자 예측 정확도가 87.5%로 올랐다고 연구팀은 설명했다.

아주대의료원 의료정보학교실 박래웅 교수팀은 최근 감염내과 최영화 교수, 이화여대 약학대학 이정연 교수와 함께 상급종합병원 275만 명의 공통데이터모델(CDM) 데이터베이스를 활용해 AI 기반의 '경험적 항생제' 내성 예측 모형을 만들었다.

이번 예측 모형은 입원 환자 중 병원성 요로감염 의심 환자를 대상으로 △환자 기저 특성(인구학적 특성·진단 기록·약물 처방력·검사 및 처치력 등) △타 기관 전원 기록 △항생제 감수성 경향(antibiogram) 등 다양한 정보를 활용했다.

연구결과 8가지 항생제 감수성 패널 결과를 예측하는 이번 모형의 성능이 기존의 다른 선행연구 결과보다 더 우수한 결과를 보였다고 연구팀은 밝혔다.

항생제 내성의 원인 중 하나는 '부적절하게 투여된 항생제'로 이는 △불필요한 투여 △부적절한 항생제(경험적 항생제 포함) 선택 △용법·용량 오류 △투여 시간 지연 등의 경우다.

항생제 내성 문제는 계속 지속될 경우 오는 2050년이면 전 세계적으로 매년 약 1000만 명이 이로 인해 사망할 수 있다고 예측될 정도다.

연구팀에 따르면 올바른 경험적 항생제 선택은 불필요한 범위의 항생제 사용과 내성 확산을 막을 수 있다.

연구팀은 향후 진료 현장에서 개인별 맞춤형 경험적 항생제 선택을 실현하는 데 기여할 것으로 기대했다.