하루가 다르게 급변하는 의료 분야 인공지능(AI) 기술의 현 단계를 이 시점에서 단정하기는 거의 불가능하다. 본지는 창간 35주년을 맞아 ‘인공지능’ 특집을 준비하면서 이 땅에서 지금 인공지능 기술이 어떻게 활용되고 있는가를 과연 어떻게 보여줄 수 있을까를 여러 방면으로 고민했다.

그 결과 추상적인 논의의 차원을 벗어나 다방면의 관련 보도들을 한 자리에 모아 그 핵심을 정리하여 구체적으로 인공지능 기술의 현 추세를 가늠해보는 것도 한 방법이 될 수 있다는 결론에 이르게 됐다. 시대의 흐름에 따라 최근 들어 인공지능 분야와 관련된 보도량은 크고 증가하고 있고, 그 내용도 점점 스마트한 방향으로 심도를 더해가고 있기 때문이다.

이 꼭지는 최근 6개월 간 본지에 게재된 인공지능 관련 보도들을 특집 방향에 어울리도록 선별하여 정리한 것이다. 이를 통해 기계학습이 비교적 용이한 영상 진단에서부터 수면단계 검사, 심혈관질환 위험도 평가, AI를 접목한 로봇수술 혹은 자율주행 휠체어, 폐암이나 ADHD를 진단하는 각종 알고리즘에 이르기까지 다양한 모습으로 확장되고 있는 인공지능 기술의 적용 현장을 통해 그 현 단계를 어느 정도 파악할 수 있기를 기대해본다.

■집에서 수면단계 측정하는 AI 모델 개발

집에서도 정확하게 수면 단계를 측정하는 인공지능(AI) 모델을 분당서울대병원 정신건강의학과 윤인영 교수 연구팀이 개발했다. 이 연구 결과는 국제학술지 JMIR(Journal of Medical Internet Research)에 논문으로 발표됐다.

그에 따르면 연구팀은 집에서 수면 중 스마트폰으로 녹음된 6,600시간의 소리 데이터를 비롯해서 가정용 수면다원검사 데이터와 가정용 수면다원검사 중 스마트폰을 통해 녹음된 270시간의 숨소리 데이터를 함께 활용하여 가정에서 잠잘 때 발생하는 다양한 소리를 AI 모델에 학습시켰다.

이전에 개발됐던 수면단계 예측 AI 모델은 병원용 수면다원검사 결과를 기반으로 만들어졌기 때문에 사용자들이 집에서 잠을 잘 때 발생하는 다양한 소음과 이벤트를 제대로 반영하지 못하고 있었다.

그 결과 병원용 수면다원검사 결과를 학습시킨 AI 모델을 가정에서 이용했을 때의 정확도가 병원 측정 결과 대비 약 85% 수준이었는데, 가정환경 소리 데이터를 학습시킨 새로운 AI 모델은 기존 모델보다 약 10%p 높은 성능을 나타냈다.

■흉통환자 심혈관질환 위험도 평가 AI 모델

머신러닝 기술을 기반으로 관상동맥질환 위험도를 점수화하는 인공지능 모델이 고려대 구로병원 심혈관센터 나승운ㆍ최병걸 교수팀에 의해 개발됐다. 이와 관련된 논문은 국제학술지 International Journal of Cardiology 최근호에 발표됐다.

이 모델은 2004~2014년 고대구로병원을 찾은 흉통 환자 1만여 명의 관상동맥조영술 검사결과와 기초 임상정보를 기반으로 개발됐다. 특히 관상동맥질환 위험도를 민감도 98.0%ㆍ정확도 92.8% 수준으로 진단했다. 기존의 위험도 계산 모델의 진단 정확도인 70~80%를 훨씬 뛰어넘는 것이었다.

연구팀은 의료정보의 전문성에 따라 ‘개인 평가 모델,’ ‘의료기관 활용모델’, ‘전문의 활용모델’ 등 세 가지를 개발했다. 개인 평가 모델은 성별, 나이, 유병질환 유무, 흡연여부 같은 간단한 정보만으로 평가한다. 의료기관 활용 모델은 개인 평가 모델에 혈액검사 및 심전도검사를 추가하여 1차 의료기관 및 응급의료에서 사용한다. ‘전문의 활용모델’은 급성심근경색, 협심증 등 대표적인 징후를 판단할 수 있는 정보까지 추가된 모델로, 정밀검사가 필요한 환자를 선별하여 급사나 심근경색 등 중대한 심혈관사건을 예방할 수 있다.

구로병원 심혈관센터 나승운 교수에 따르면 이 모델은 높은 정확도로 관상동맥질환 위험도를 수치화할 수 있기에 고비용ㆍ고위험을 수반하는 정밀검사에 앞서 보조 시스템으로 활용할 수 있다.

■AI 진단보조 프로그램, 영상분석 업무 개선

흉부방사선 영상의 AI 기반 진단보조 프로그램이 실제 임상 현장 업무를 효율적으로 개선시키는 것으로 나타났다. 용인세브란스병원 영상의학과 신현주ㆍ김은경 교수팀은 이 연구 결과를 국제학술지 npj Digital Medicine에 논문으로 발표했다.

그에 따르면 최근 흉부방사선 영상에서 AI 기반 진단 보조 프로그램이 상용화되기 시작했다. 그러나 아직 AI 솔루션을 접목한 병원은 적고, 그 활용이 의료 업무 프로세스에 미치는 영향을 분석한 예는 많지 않다.

연구팀은 흉부 방사선 영상을 판독하는 영상의학과 전문의의 판독 시간에 AI 진단 보조 프로그램이 어떠한 영향을 미치는지 확인하고자 연구를 수행했다. 그 결과 AI 분석 결과를 판독 보조로 활용한 경우는 그렇지 않은 경우에 비해 판독 시간이 유의하게 감소했다. 다시 말해서 AI를 활용할 경우 정상 소견 판독에 걸리는 시간을 절약하고 이상 소견 판독 때에 그만큼 자세히 판독할 수 있어 업무 효율성이 개선된다는 의미이다.

■단순 심전도로 ‘좌심실수축기능부전’ 진단

세종병원그룹이 국내 최초로 단순 심전도 자료만으로 심부전 가능성을 자동으로 진단해주는 인공지능(AI) 프로그램을 도입했다.

세종병원그룹은 부천세종병원ㆍ인천세종병원에 ㈜메디컬에이아이가 개발한 심전도 분석 AI 소프트웨어 ‘AiTiALVSD(에티아LVSD)’를 도입해 운용에 들어갔다고 5월 29일 밝혔다. 에티아LVSD는 환자의 단순한 심전도 자료를 입력하면 AI 분석을 통해 좌심실수축기능부전(LVSD)의 가능성을 점수로 알려주는 소프트웨어다.

그에 따르면 식품의약품안전처 확증 임상시험 결과 에티아LVSD의 정확도는 91.9%에 달했다. 기존 혈액검사방법(NT proBNP) 정확도(72%)보다 월등히 높았다. 건강검진에서 진행하는 여타 검사의 정확도보다도 뛰어났다. 유방암검사(유방촬영술)와 자궁암검사(자궁경부생검 검사), 대장암검사(대변잠혈검사)의 정확도는 각각 67~84%, 70%, 70~80% 수준이다.

식약처는 지난 2월 에티아LVSD를 혁신의료기기로 지정한 바 있다. 오는 8월부터 3년간 사용기관으로 등록된 의료현장에서 비급여 또는 선별급여로 사용할 수 있다.

에티아LVSD를 개발한 ㈜메디컬에이아이는 세종병원그룹에서 분할(스핀오프)된 스타트업 회사이다. 세종병원그룹의 수십년 심장진료 노하우를 전수받았다.

■실내 공기질 미생물 정보로 질병위험도 예측

고려의대 알레르기면역연구소가 실내공기질의 미생물 정보를 이용해서 환경성 질환을 예측하는 인공지능 평가시스템을 개발했다.

‘실내공기 생물학적 유해인자 건강 영향평가사업’ 연구는 윤원석 연구교수(사업단장)가 전국 다중이용시설의 미생물 분포를 조사하여 국가 미생물 망을 구축하고, 건강 유해 미생물에 선제적으로 대응할 수 있는 방안을 마련하기 위해 시작됐다.

연구팀은 연구를 통해 전국 6,000여 다중이용시설의 실내공기질 생물정보를 조사한 후 인공지능 딥러닝 학습모델을 통해 지역별 환경성 질환의 유병률ㆍ발병률ㆍ발생률 정보를 분석하여 AI 예측모델로 개발했다.

이를 통해 실내공기질 미생물 정보를 이용한 질병위험도 예측이 가능해지며, 향후 실내공기 질을 이용한 건강영향정보 서비스로도 활용될 것으로 보인다.

이번에 개발된 AI 시스템 기술은 고려의대 특허로도 출원됐다. 최근에는 서울, 울산, 의정부시에서 활용되기 시작했다. 향후 전국 공공시설과 취약계층을 대상으로 실내 공기질 분석 서비스가 확대될 것으로 보인다.

■AI 기반 ‘유전자가위 선별’ 모델 개발

연세의대 약리학교실 김형범 교수팀은 생체 내 전달에 유리한 소형 유전자가위를 선별할 수 있는 인공지능 기반 모델을 개발했다고 5월 25일 밝혔다. 이 연구 결과는 국제학술지 Nature Methods 최근호에 논문으로 발표됐다.

그에 따르면 유전자가위는 타깃 DNA를 손쉽게 바꿔줄 수 있는 특성이 있어 유전자 치료 분야에서 널리 사용된다. 현재 가장 많이 사용되는 유전자가위는 화농연쇄상구균에서 발견된 SpCas9이다. 그러나 단백질이 크기 때문에 바이러스를 통한 전달에 불리하다.

연구팀은 소형 유전자가위 사용에 대한 유용한 가이드를 제시하고자 선별모델 개발 연구를 진행했다. 먼저 응용 가능성이 높은 소형 유전자가위(Cas9)를 17개 선별하여 수만 개의 표적ㆍ비표적 DNA에서 그 활성도와 특이도를 측정하고 비교 분석했다. 그 결과 널리 사용되고 있던 유전자가위 SpCas9보다 크기는 작으면서 활성도와 특이도가 높은 2개의 소형 Cas9(sRGN3.1, SlugCas9)가 확인됐다.

이어서 분석 데이터를 바탕으로 인공지능을 이용해 소형 Cas9의 활성도와 특이도를 예측할 수 있는 인공지능 모델 ‘DeepSmallCas9’을 개발하고 유용성을 검증했다. 미국 국립생물공학정보센터 데이터베이스에 공개된 1만3,145개의 우성 단일염기변이에 이 모델을 적용해 본 결과, 82%(1만844개) 이상의 돌연변이 DNA를 효율적으로 제거할 수 있는 유전자가위를 선별할 수 있었다.

■인공지능 로봇수술로 전립선비대 첫 수술

삼성서울병원 비뇨의학과는 미국에서 최첨단 전립선비대증 치료 기술로 개발한 인공지능(AI) 로봇수술 장비 ‘아쿠아블레이션(AQUABEAM® Robotic System)’을 도입하고 첫 수술을 시행했다고 5월 17일 밝혔다.

그에 따르면 아쿠아블레이션 치료방식은 당일 통원치료와 낮은 합병증으로 인해 수술을 고려하던 환자들의 고민을 덜어줄 것으로 기대된다.

아쿠아블레이션 인공지능 로봇수술은 사전 계획된 수술 안내 지도에 따라 요도내시경과 초음파장치를 통해 실시간 전립선 및 방광 주변 구조를 분석하고, 환자별로 다양한 전립선 크기와 모양을 파악하여 정교하게 원하는 부위를 제거할 수 있는 최첨단 수술법이다.

기존 레이저나 전기 소작을 사용하는 수술법과 달리 고압의 물(워터젯)을 이용하기 때문에 절제 주변조직의 열 손상을 최소화할 수 있어 요실금과 발기부전 등의 합병증은 거의 보고되지 않았다. 또 내시경적 전립선종적출술(홀렙 수술)에서 85~90% 이상 발생하는 역행성 사정이 0~7%로 거의 발생하지 않아 성생활 보존을 원하는 환자들에게 더욱 안전하게 적용할 수 있다.

■AI 딥러닝 2세대 기술 적용한 MRI 도입

인천세종병원은 인공지능(AI) 딥러닝 2세대 기술을 적용한 자기공명영상(MRI) 장비를 새로 도입했다고 5월 10일 밝혔다.

이 장비는 올해 식품의약품안전처(KFDA) 승인을 받은 최신 장비로, 환자의 생체 신호를 자동으로 인식하고 영상 왜곡을 줄이는 신기술을 탑재했다. 영상 화질개선으로 더 정확한 진단은 물론, 검사 시간도 기존 대비 최대 70% 단축됐다.

신형 MRI 장비는 복부 검사 도중 환자가 편안하게 호흡해도 정확하게 검사할 수 있다. 환자가 눕는 테이블에 호흡 주기를 측정하는 센서가 있어 자동으로 호흡 정보를 파악하고, 그로 인한 움직임에도 영상을 자동으로 보정 하는 신기술을 담고 있기 때문이다.

의식이 없는 응급환자와 치매 또는 청각장애 등으로 의사소통이 원활하지 않은 환자, 고령 환자에게 적용할 때 효과적이다. 경사 자장 코일 떨림에 의해 생기는 소음도 현저히 줄었다. 그동안 소음 공포를 호소하던 아동과 노약자, 폐쇄공포증 환자에게 희소식이 아닐 수 없다.

■진료일정 변경 돕는 AI 보이스봇 등장

이대서울병원이 의료진 휴진 시 환자의 진료일정 변경을 돕는 AI 보이스봇 서비스를 국내 의료기관 최초로 도입했다고 5월 4일 밝혔다.

도입된 AI 보이스봇은 의료진이 부득이한 휴진으로 기존 예약 환자의 일정 변경이 필요할 때 고객에게 자동으로 전화를 걸어 휴진을 안내하고 대체 진료 일정 변경까지 지원하는 서비스이다.

만일 AI 보이스봇과 통화 중 환자가 실제 상담사와 통화를 원할 때에는 전문 상담사로 자연스럽게 연결된다. 이때 전문 상담사는 보이스봇과 환자 간의 통화 내용을 텍스트로 즉시 확인할 수 있기 때문에 상대방의 감정을 고려하면서 보다 전문적인 상담 서비스를 제공할 수 있다.

■CT 결과만으로 폐기능 예측하는 AI

저선량 흉부 컴퓨터단층촬영(CT) 검사로 폐기능을 예측하여 만성폐쇄성폐질환 위험 환자를 구별해주는 인공지능(AI)이 개발됐다.

서울아산병원 호흡기내과와 융합의학과 공동 연구팀은 CT 검사 결과만으로 폐기능을 90% 이상의 정확도로 예측하는 인공지능을 개발했다고 4월 26일 밝혔다. 이 연구 결과는 북미영상의학회가 발간하는 국제학술지 Radiology 최근호에 논문으로 발표됐다.

연구팀은 2015년 1월부터 2018년 12월까지 건강검진을 받은 1만6,148명의 저선량 흉부 CT 검사 결과와 폐기능 검사 결과를 학습시켜 CT 검사 결과로 폐기능이 떨어진 환자들을 구별해주는 인공지능 알고리즘을 만들었다. 연구팀이 개발한 인공지능은 ‘강제폐활량(FVC)’과 ‘1초간 노력 폐활량(FEV1)’을 각각 93%, 90% 수준으로 정확하게 예측해냈다. 또 두 수치를 활용하여 COPD 고위험군 여부를 판단할 수 있는 지표(FEV1/FVC)도 85%의 정확도로 예측했다.

김남국 서울아산병원 융합의학과 교수는 “딥러닝을 통한 인공지능 알고리즘을 이용해서 CT 영상만으로 폐기능을 예측하는 연구는 아직 시작 단계라는 점에서 이번 연구 결과가 가지는 의미가 크다”고 말했다.

■AI 접목한 ‘자율주행 전동휠체어’ 상용화

근로복지공단 재활공학연구소는 장애인의 날을 맞아 인공지능(AI)을 접목한 ‘자율주행 전동휠체어’ 시연회를 개최했다고 4월 20일 밝혔다.

오유경 식품의약품안전처장과 ㈜하이코어를 비롯한 민간 휠체어 제조사 대표들이 참석한 시연회는 AI가 접목된 혁신제품이 시장에 신속하게 제품화되어 사용자가 안전하게 이동할 수 있도록 정책적 지원방안을 모색하기 위해 마련됐다.

재활공학연구소는 범부처 의료기기 개발 사업으로 ‘상지 장애인의 조작 편의성 증진을 위한 지능형 휠체어 개발’ 과제를 수행하여 휠체어 조작능력이 부족한 상지장애인을 대상으로 자율주행이 가능한 지능형 휠체어를 개발했다. 이후 다우테크놀러지로의 기술이전을 통해 사업화와 의료기기 인허가 획득을 추진 중이다.

자율주행 전동휠체어는 범부처 과제 등 정부 사업으로 개발되고 있으며, 대기업(현대자동차, KT)에서 후원하여 개발한 제품도 있다.

■기계 학습 이용해 조산 예측 모델 구축

고려대 안암병원 산부인과와 소아청소년과, AI센터 공동 연구팀은 조산과 산모 심장질환 사이의 연관성을 최초로 규명하고 인공지능 기반의 조산예측모델을 개발했다고 4월 21일 밝혔다. 이 연구는 국제학술지 PLOS ONE 최근호에 논문으로 게재됐다.

그에 따르면 연구팀은 국민건강보험공단 데이터베이스를 활용하여 2017년 첫 아이를 출산한 25~40세 산모 17만4,926명의 데이터를 기반으로 조산과 산모 심장질환 간의 연관성을 기계학습을 통해 분석했다.

그 결과 17만4,926명 중 조산 출산을 경험한 산모는 1만2,701명이었고, 전체 산모 중 1만2,234명이 하나 이상의 심장질환을 가지고 있었다. 조산은 산모의 부정맥 및 허혈성 심장질환과 강한 연관성이 있었는데, 부정맥 중에서 심방세동과 심방조동이 가장 중요한 위험요소로 드러났다.

특히 이번 연구는 기계 학습을 이용하여 조산의 예측 모델을 구축했다는 점에서 주목을 끌었다. 예측모델은 88.53~95.31의 AUC를 나타냈으며, 89.59~95.22의 정확도를 보였다.

■AI 기반 영상분석, 폐암 조기진단 탁월

폐암의 조기 진단에서 인공지능(AI) 기반 흉부 방사선 영상 분석의 임상적 효용성을 확인한 연구가 나왔다. 용인세브란스병원 호흡기ㆍ알레르기내과와 영상의학과 연구팀은 이 같은 연구 결과를 국제학술지 PLoS ONE 최근호에 논문으로 발표했다.

그에 따르면 연구팀은 AI 기반 흉부 방사선 영상 분석이 조기 폐암을 진단하는 데 어느 정도 효과적인지를 관찰했다. 이를 위해 2020년 3월부터 2022년 2월 사이 용인세브란스병원에서 수술적 치료를 받은 폐암 환자를 후향적으로 분석했다.

그 결과 폐암 절제 수술을 받은 조기 폐암 환자 중 약 17.3%가 AI 기반 흉부 방사선 영상 분석을 통해 우연히 폐암 병변을 발견한 것으로 확인됐다. 이 환자들은 폐가 아닌 다른 장기의 수술 전 검사 또는 호흡기 증세 없이 호흡기ㆍ알레르기내과가 아닌 다른 과에 내원해 실시한 기본 검사에서 흉부 방사선을 촬영한 경우였다.

이를 통해 AI 기반 영상 분석이 실제 임상 현장에서 유용하게 활용될 수 있음을 알 수 있었다. 특히 놓치기 쉬운 폐결절과 조기 폐암의 신속한 진단에 AI가 유용하다는 사실을 확인했다는 점에서 의미가 있다.

■심정지 예측 AI 프로그램 ‘딥카스’ 도입

인제대 일산백병원은 심정지 예측 인공지능(AI) 프로그램인 ‘딥카스(DeepCARS, 뷰노)’를 도입하고 4월 17일부터 운영에 들어갔다.

빅데이터 딥러닝 기술을 활용한 '딥카스'는 일반병동 입원환자들의 활력징후인 혈압, 맥박, 호흡, 체온 등 네 가지 생체신호(Vital Sign)를 분석해 24시간 이내 심정지 발생 위험이 있는 환자를 예측하여 의료진에게 알려준다.

이 프로그램의 도입으로 환자 상태의 실시간 감시가 어려운 일반병동에서도 중증 환자를 미리 선별할 수 있게 됐다. 이로써 전문의료팀이 조기에 투입돼 심정지 발생을 예방하고 사망률을 낮출 수 있을 것으로 기대된다.

특히 딥카스는 채혈이나 약물이 없이 입원환자가 일반적으로 측정하는 생체신호 데이터를 자동으로 분석하기 때문에 환자와 의료진 모두 부담이 없다는 것도 장점이다.

■ADHD 조기 선별하는 인공지능 모델 개발

고려대 안암병원 정신건강의학과 조철현 교수팀이 웨어러블 디바이스를 통해 아동의 주의력결핍과잉행동장애(ADHD)와 수면장애를 조기에 선별할 수 있는 인공지능 모델을 개발했다. 이에 대한 연구 결과는 미국의사협회가 발행하는 국제학술지 JAMA Network Open'에 논문으로 게재됐다.

그에 따르면 연구팀은 미국에서 시행된 청소년 뇌인지발달(ABCD) 연구를 통해 축적된 아동 웨어러블 데이터와 ADHD 및 수면장애 진단 결과를 활용하여 아동 5,725명에 대한 21일간 웨어러블 데이터(심박수, 걸음수, 수면시간, 수면단계, 낮잠, 소비칼로리 등)를 통해 일주기 리듬을 분석했다. ADHD 진단모델을 위해 1만2,348개의 데이터가, 수면장애 진단모델을 위해 3만9,160개의 데이터가 활용됐다.

그 결과 ADHD에 대한 진단모델은 모델의 성능을 평가하는 AUC가 0.798, 민감도 0.756, 특이도 0.716이었으며, 수면장애에 대한 진단모델은 AUC 0.737, 민감도 0.743, 특이도 0.632로 나타났다. 두 가지 모델 모두 일상생활에서 디지털 표현형을 활용한 조기선별이 가능한 수준의 성능을 보인 것이다. 이는 웨어러블 데이터를 통한 아동의 ADHD와 수면장애 조기발견 및 조기치료의 근거가 마련됐다.

■위암 5년 생존율 예측 AI 모델 등장

서울아산병원 위장관외과 연구팀은 위암 수술을 받은 환자 4,000여명의 수술 1년 후 치료 결과와 건강 상태를 바탕으로 5년 생존율을 80% 정도로 예측해내는 인공지능 알고리즘을 개발했다고 3월 17일 밝혔다. 이 연구 결과는 국제학술지 Journal of Cachexia Sarcopenia and Muscle에 논문을 게재됐다.

그에 따르면 연구팀은 2003년부터 2012년까지 서울아산병원에서 위암 수술을 받은 환자 3,220명의 수술 전 건강 정보, 수술, 항암, 병리뿐만 아니라 혈액검사, 컴퓨터단층촬영(CT) 검사 결과 등 총 65개 종류의 대규모 데이터를 인공지능에 학습시켰다.

연구팀이 인공지능 알고리즘을 만든 후 805명의 환자 데이터로 알고리즘의 내부 유효성을 평가한 결과, 위암 수술 후 5년 생존율 예측 정확도가 약 76%로 나타났다. 또 아주대병원에서 2010년부터 2012년까지 수술을 받은 위암 환자 590명의 데이터로 인공지능 알고리즘의 외부 유효성을 검증한 결과 81%의 정확도로 5년 생존율을 예측했다.

■파킨슨병 뇌신경 기능이상 예측 AI 알고리즘

안저 사진을 통해 파킨슨병 환자의 뇌신경계 기능 이상을 측정하는 인공지능 알고리즘이 개발됐다. 강북삼성병원 신경과와 성균관대 전자전기공학부 공동 연구팀은 이와 관련된 연구 결과를 JAMA Ophthalmology 2월호에 논문으로 발표했다.

연구팀은 2020년 10월부터 2021년 4월 사이에 강북삼성병원 신경과를 방문한 파킨슨 관련 질환 환자들의 ▲뇌기능 관련 영상 ▲뇌신경계 운동 기능 평가 결과 ▲안저 사진을 분석했다. 이러한 정보를 기반으로 나이와 성별과 같은 환자의 기본 정보와의 상관관계를 분석해 최종적으로 안저 영상으로부터 해당 뇌신경계 파킨슨 관련 증상의 운동 기능 상태를 예측하는 인공지능 알고리즘을 개발했다.

알고리즘은 적은 수의 환자 데이터를 이용하였다는 한계점에도 불구하고, 두 가지 신경계 운동기능 지표 예측에서 모두 약 0.8 수치에 근접하는 높은 정확도를 보여주었다. 안과 송수정 교수는 “파킨슨 질환뿐 아니라 다른 신경학적 질환들과 눈의 관계를 임상적으로 밝힐 수 있도록 연구를 넓혀 나가겠다”고 밝혔다.

■AI로 흉부X선 폐결절 검출률 2배 높여

국내 인공지능(AI) 판독 보조 소프트웨어를 활용하여 흉부 X선 영상에서 폐 결절 검출률을 향상시켰다는 연구 결과가 나왔다. 서울대병원 영상의학과 연구팀은 이 연구 결과를 국제학술지 Radiology 최신호에 논문으로 발표했다고 2월 17일 밝혔다.

그에 따르면 연구팀은 2020년 6월부터 2021년 12월까지 서울대병원의 건강검진 수검자 1만476명을 대상으로 상용화된 인공지능 기반 CAD(컴퓨터 보조 진단 시스템)가 흉부 X선 영상에서 폐 결절의 검출률을 향상시킬 수 있는지 조사하기 위해 무작위 배정 임상시험을 진행했다.

연구팀은 수검자를 인공지능 사용군과 비사용군으로 무작위 배정해 수검자들의 흉부 X선 영상을 판독했다. 그 결과 사용군의 폐 결절 검출률이 0.59%로, 비사용군의 0.25%에 비해 2.4배로 유의미하게 높았다. 영상의학과 구진모 교수는 “이번 연구는 인공지능 모델을 의료영상에 적용했을 때 유의미한 효과를 본 세계 최초의 전향적 무작위 임상시험”이라고 밝혔다.

■X-레이로 수면무호흡증 진단 AI 모델

두경부 X-레이 영상(Cephalogram)을 분석하여 수면무호흡증을 진단하는 인공지능(AI) 모델이 개발됐다. 분당서울대병원 신경외과와 신경과 연구팀은 이 연구 결과를 국제학술지 Journal of Clinical Sleep Medicine 최근호에 논문으로 발표했다고 2월 7일 밝혔다.

그 동안 수면무호흡증이 의심되는 경우 여러 가지 선별검사가 개발됐지만, 검사 정확도가 낮고 여럿이 생활하는 환경에서는 권장되지 않는 등 제약이 많았다. 이에 연구팀은 두경부 X-레이 영상 분석만으로도 수면무호흡증을 예측할 수 있는 딥러닝 기반 인공지능 모델을 개발했다. 이 알고리즘은 내원한 환자 5,591명의 엑스-레이 영상 데이터를 바탕으로 인공지능 학습과 검증을 통해 만들어졌다. 검증 결과 인공지능 모델은 AUROC 0.82의 높은 정확도를 보였다.

이 모델은 수면무호흡증과 관련성이 높은 상기도, 특히 혀와 그 주변부 구조를 중심으로 환자들의 두경부 X-레이 영상을 분석해 사람의 눈으로 구분할 수 없는 미세한 차이까지 구분하여 수면무호흡증 여부를 분류할 수 있다.

■심전도검사로 파킨슨병 감별 AI 개발

표준 심전도 검사만으로 특발성 파킨슨병을 감별할 수 있는 인공지능 딥러닝 알고리즘이 개발됐다.

고려대 안암병원 이찬녕ㆍ주형준 교수팀은 파킨슨병이 병태생리상 심장에도 영향을 미치는 점에 착안, 심전도 검사를 활용하여 파킨슨병을 감별할 수 있는 인공지능 딥러닝 알고리즘을 개발하는데 성공했다고 2월 6일 밝혔다. 이 연구 결과는 Journal of Parkinson's Disease에 논문으로 발표됐다.

그에 따르면 연구팀은 인공지능 알고리즘 개발을 위해 정밀의료 데이터베이스에서 각각 751명의 특발성 파킨슨병 환자와 대조군, 그리고 297명의 약물로 인한 파킨슨병 유사 증상 환자 등 총 1,799명의 데이터를 활용했다. 개발된 인공지능 알고리즘은 87%의 정확도로 파킨슨병을 감별해냈다. 특히 파킨슨병이 아님에도 약물에 의해 유사한 증상이 발생한 경우를 85%의 정확도로 구분했다.

■소아 천명음 판별에 청진기 대신 AI로

호흡기 질환을 가진 소아들에서 나타나는 비정상적인 숨소리 ‘천명음(wheezing)’을 찾아내는 인공지능 모델을 분당서울대병원 소아청소년과 김경훈 교수팀이 개발했다. 이와 관련된 연구 결과는 국제학술지 Scientific Reports에 논문으로 게재됐다.

아직까지 천명음을 판별하는 수단은 가슴에 청진기를 대고 직접 숨소리를 듣는 ‘청진’ 방식에 머물러 있다. 객관적 수치로 나타나는 검사법이 아니기 때문에 의사의 경험과 판단에 따라 정확도에 차이날 수 있다. 이러한 문제를 해결하기 위해 연구팀은 인공지능을 통해 천명음을 감별하는 알고리즘을 개발하는 연구에 착수했다.

연구팀은 소아 호흡기 전문가들이 교차 검증한 실제 소아 호흡기 환자 287명의 호흡음을 기계 학습에 이용했다. 또 보다 정확한 예측을 가능하게 하면서도 인공지능의 학습 능력은 적절한 수준으로 유지할 수 있도록 34개 레이어의 레즈넷(ResNet) 인공신경망 기술을 적용했다. 그 결과 개발된 알고리즘은 정확도 91.2%, 정밀도 94.4% 수준으로 임상 현장에서 충분히 적용 가능한 것으로 나타났다.

■AI 판독 위험도 높을수록 유방암 예후 나빠

인공지능(AI) 판독 보조프로그램을 활용한 유방암 위험도 분석의 효용성을 확인했다고 용인세브란스병원 영상의학과 연구팀(이시은ㆍ김은경 교수)이 1월 18일 밝혔다. 전문의가 악성 종양일 가능성이 크다고 평가하거나 침윤암 또는 높은 병기의 유방암일수록 인공지능이 판단한 위험도 역시 높아진다는 것이 이 연구의 핵심적인 결과이다. 이 결과는 European Radiology에 논문으로 발표됐다.

그에 따르면 연구팀은 2017년 한 해 동안 세브란스병원에서 양측 유방암을 포함해 총 930개 암으로 진단된 환자 896명에 대해 인공지능 판독 보조프로그램을 적용한 결과를 분석했다. 또 유방치밀도, 영상 소견, 분자 아형, 병기 등에 따라 결과에 차이가 있는지를 확인했다.

그 결과 결종괴와 미세석회가 혼재된 소견과 같이 영상의학과 전문의가 악성일 가능성이 크다고 판단한 병변에서 인공지능 판독 보조프로그램 또한 높은 위험도를 나타냈다. 병리적으로는 침윤암, 높은 병기의 암에서도 높은 위험도를 보였다. 반면 크기가 1cm 미만으로 작거나 치밀유방으로 인해 유방촬영술상 위치가 구별되지 않는 약 19%의 암은 프로그램을 통해 검출되지 않았다.