박선화-김영주 교수 연구팀 '임산부 질액 채취, 조산 예측 후보 균 정성적, 정략적 평가'
조산 유발 핵심 균 '락토바실러스 이너스와 유레아플라즈마 파붐' 확인
김 교수 "조산 유발 다양한 원인 박테리아에 접목하면 더 좋은 예측 모델 만들 수 있을 것"
박 교수 "미리 조산 원인 알 수 있는 진단법 통해 예방조치 취한다면 진료 더욱 효과적"
논문, 국제학술지 '미국 생식면역학회지 AJRL 최근호' 발표
[보건타임즈] 국내대학병원 연구진이 세계최초로 인공지능의 머신러닝 기법을 활용, 조산의 위험을 예측해냈다.
이대목동병원 산부인과 박선화(사진 右)·김영주 교수(左) 연구팀은 임산부 질액 내 박테리아 위험 요소 모델을 인공지능 머신 러닝 기법(machine learning)으로 분석, 조산 위험을 예측한 연구 결과 18일 발표했다.
이 연구 결과를 다룬 논문은 미국 생식면역학회지 'AJRL(American Journal of Reproductive Immunology) 최근호'에 게재됐다.
조산은 대개 임신 20주를 지나 37주 이전에 분만했을 때를 말한다.
조산은 세계적으로 전체 출생의 5~10%에 이른다.
조산 위험은 초혼연령 상승, 고령 산모 증가, 체외 수정술 증가 등으로 해마다 증가하고 있다. 조산아로 분만한 미숙아는 사망률이 높은 데다 성장하는 동안 대부분이 지속적인 재활치료를 받아야 해 미리 진단, 대비하는 것이 중요하다.
그동안 조기진통과 조기 양막파수로 조산이 발생하는 이유로 임신부 질 내 유해한 박테리아의 상행 감염 때문이라는 연구가 세계적으로 많이 보고됐지만, 사전에 이를 진단해내 예방할 뚜렷한 진단방법은 없었다.
이에 이대목동병원 산부인과학교실 연구팀은 임신 중기 임산부의 질액을 채취, 이전의 선행연구를 통해 조산을 예측할 수 있는 후보 균들의 정성적, 정략적 평가를 시행했다.
또 임신부의 조산 여부에 따라 어떠한 차이가 있는지 분석해 예측 모델을 만들었다.
단순히 균의 검출 여부로는 조산을 예측하기 어려워, 후보 균들의 조합과 상대적인 비율을 이용해 '인공지능 기법'으로 예측할 알고리즘을 착안, 평가에 적용했다.
이 결과, 이 모델의 영향을 주는 핵심 균은 락토바실러스 이너스(Lactobacillus iners), 유레아플라즈마 파붐(Ureaplasma parvum) 이었음을 찾아냈다.
결과적으로, 이 모델을 통해 조산을 72% 예측할 수 있었다.
이외에 혈액학적인 정보를 통해 측정할 백혈구 수를 조합했을 때 예측률이 77%로 높아졌다.
이 논문의 교신저자 이대목동병원 산부인과 김영주 교수는 "이 연구에서 밝혀진 대로 조산을 유발하는 다양한 원인을 박테리아 위험 요소 모델에 접목한다면 더 좋은 예측 모델을 만들 수 있을 것"이라고 평가했다.
이대목동병원 산부인과학교실 연구팀은 새로운 바이오마커를 발굴, AI 진단 알고리즘을 개발해 상용화를 진행하는 진단전문회사 ㈜디앤피바이오텍과 공동연구를 진행 중이다.
논문 1저자 박선화 교수는 "조산율이 10% 내외라고는 하지만 실제로 상급종합병원 이대목동병원에서 조기진통, 조기 양막파수의 증상으로 조산의 위험성이 높은 고위험 산모를 많이 치료함으로써 미리 조산 원인을 알 수 있는 진단법을 통해 예방적 조치를 취한다면 진료를 더욱 효과적으로 할 수 있을 것"이라고 말했다.
기사최종편집일: 2024-04-29 19:07:48
다음기사 : 
