△ 신개념 의료 AI가 잇따라 개발되고 있다.

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

2일 의료계 등에 따르면 국내 연구진이 신생아 장천공 진단, 자폐스펙트럼장애 선별, 무릎 수술 예후 핵심지표 자동 측정 AI 솔루션을 개발하는데 성공했다.

서울아산병원 영상의학과 윤희망 교수와 융합의학과 김남국 교수, 신생아과 이병섭 교수는 최근 인공지능으로 신생아 엑스레이 영상을 분석해 장천공 여부를 판별하고 병변 위치까지 찾아내는 인공지능 판독 모델을 개발했다.

연구팀이 개발한 신생아 장천공 인공지능 판독 모델은 내부 검증 정확도 94.9%, 외부 검증 정확도 84.1%의 높은 성능을 보였다. 

특히 신생아 장천공을 조기에 판별한다는 점에서 신생아 생존율 개선에 기여할 것으로 기대된다.

연구팀은 신생아 엑스레이 영상을 이용해 장천공 여부를 분류하면서 복강 내 공기가 차 있는 영역까지 함께 학습해서 표시해 주는 딥 멀티태스크 학습 모델을 개발했다.

1995년 1월~2018년 8월 서울아산병원 소아 엑스레이 영상 약 260만건을 수집했고, 최종적으로 장천공 영상 294건과 대조군 영상 252건을 선별해 학습시켰다.

연구팀은 환자마다 다르게 나타나는 장천공 영상 패턴을 효과적으로 학습시키기 위해 데이터 증강 기술을 적용하여, 인공지능 모델이 다양한 장천공 양상과 병변 위치를 동시에 파악할 수 있도록 했다.

임상적 유용성을 검증하기 위해 국내 11개 병원에서 영상 6만4000건을 외부 검증용 데이터로 확보했다. 이 중 장천공 영상 164건과 대조군 영상 214건을 선별해 내부와 다기관 외부 검증을 진행했다.

내부 검증을 진행한 결과, 장천공 인공지능 판독 모델은 진단 정확도 94.9%를 기록하며 복강 내 공기가 차 있는 영역까지 정확히 식별했다.

외부 데이터를 통해 검증했을 때에도 진단 정확도 84.1%를 기록하며 전문의와 유사한 수준을 보였다. 의료진이 인공지능 판독 모델을 사용했을 때의 보조 효과도 평가한 결과, 진단 정확도가 82.5%에서 86.6%로 개선됐다. 특히 판독자 간 일치도가 71%에서 86%로 큰 폭으로 향상됐다.

연구팀은 신속한 판단이 요구되는 신생아 중환자실에서 조기 진단을 도울 수 있는 다양한 모델을 개발하고 적용해 신생아 생존율을 향상하는 데 기여할 것으로 기대했다.

서울대병원 정형외과 노두현 교수·김성은 연구교수팀은 최근 미국 미네소타대, 노르웨이 베르겐대 연구팀과 함께 2009~2019년 촬영된 1만여건의 무릎 관절 측면 엑스레이 영상을 바탕으로 경골 후방 경사각을빠르고 신뢰성 있게 측정 가능한 딥러닝 모델을 개발했다.

연구팀이 개발한 모델은 무릎뼈의 6개의 해부학적 기준점(랜드마크)을 자동으로 인식한다.

이후 각 기준점을 이용해 경골의 관절선과 중심축을 결정하고 이를 바탕으로 기울기를 계산한다.

이 방법은 엑스레이 영상이 짧거나 실제 거리 측정이 불가능한 경우 등 다양한 임상 조건에서 활용 가능하다는 장점이 있다.

이 모델과 전문의 수기 측정의 성능을 비교한 결과, 딥러닝 모델의 측정 시간이 수기 측정 대비 10배 이상 빨랐다.(평균 2.5초 vs 평균 26.1초)

또 '관찰자 간 상관계수'는 최소 91%로, 이는 딥러닝 모델의 측정값이 전문의의 수기 측정값과 상당히 일치함을 의미한다.

반면 성능의 일관성을 의미하는 '관찰자 내 상관계수'는 수기 측정이 최대 95%였으나 딥러닝 모델은 완벽한 일관성(100%)을 보였다.

추가적으로 후속 연구에서 노르웨이 환자 289명의 무릎 영상을 검증한 결과, 딥러닝 모델과 전문의의 관찰자 간 상관계수는 80%로 나타났다.

이 결과는 경골 후방 경사각을 측정하는 딥러닝 모델이 다양한 인종군을 대상으로 확대 적용 가능함을 시사한다.

세브란스병원 소아정신과 천근아, 신경외과 김휘영 교수팀은 최근 서울대학교병원 김붕년 교수팀과 함께 부모가 아이의 음성을 녹음한 것을 토대로 자폐스펙트럼장애를 확인할 수 있도록 돕는 인공지능(AI) 솔루션을 개발했다. 

연구팀은 세브란스 어린이병원을 비롯한 국내 9개 병원에 내원한 18~48개월 영유아 1242명을 대상으로 데이터를 모아 AI 모델을 만들었다.

스마트폰으로 이용할 수 있도록 개발한 AI 모델은 △이름을 부르면 반응하도록 유도 △부모의 행동 따라 하기 △공놀이 △장난감 등을 이용한 상상 놀이 △도움 요청하기 등의 과제를 제시하고, 월령별로 과제 수를 다르게 할당한다.

18~23개월은 4가지, 35개월까지는 5가지, 48개월까지는 6가지로 확장하는 식이다.

녹음한 아이의 음성을 입력하면, 부모가 앞서 작성한 자폐스펙트럼장애 선별 검사인 M-CHAT(영유아 자폐 선별검사), SCQ(사회적 의사소통 질문지), SRS-2(사회적 반응성 척도) 점수와 함께 AI가 통합 분석을 시행한다.

기존 검사들을 이용하면 정확도는 70%정도에 그치지만 실제 타인과 상호작용해 목소리 톤, 리듬, 음성 패턴 등이 담긴 아이의 음성 데이터를 함께 사용하면 다차원적 분석이 가능해져 정확도가 높아진다.

연구팀이 개발한 AI 모델은 94% 이상의 정확도로 정상 발달 아동과 발달 위험군 자폐 아동을 우선 구분했고 85%의 정확도로 고위험군과 실제 자폐 아동을 구분해냈다.

국제적으로 가장 많이 사용되는 ADOS-2(자폐 진단 관찰 검사) 검사 결과와도 80%의 일치도를 보였다.

연구팀은 실제 진료실에는 자폐스펙트럼장애 정도가 심해진 이후에 초진으로 내원하는 경우가 많지만 이번에 개발한 AI는 실제 가정에서도 사용할 수 있어 좀 더 빠른 진단이 가능해지고 그만큼 더 좋은 치료 결과로 이어질 수 있을 것으로 내다봤다.

Tag

#신생아장천공진단#자폐스펙트럼장애선별#무릎수술예후핵심지표자동측정AI솔루션#질병예측#진단기술