보건타임즈 : 용인세브란스, '심전도 기반 관상동맥 석회화 탐지 AI 알고리즘' 개발

윤덕용 교수팀, AI 모델 훈련에 '환자 5,765명의 심전도 총 8,178건' 사용
검증엔 '환자 877명의 심전도 총 1,745건' 활용
이를 통해 '관상동맥 석회화 수치 100 이상, 400 이상, 1,000 이상' 예측 AI 모델 개발
윤 교수 "의료 분야에 인공지능 모델 적극 활용, 질환 조기 진단과 치료 이룰 수 있을 것"
SCI급 국제학술지 'Frontiers in cardiovascular medicine'에 발표

[보건타임즈] 심전도 데이터를 기반으로 관상동맥 석회화를 탐지할 수 있는 인공지능 알고리즘이 개발했다.

연세대학교 의과대학 용인세브란스병원(병원장 최동훈) 의생명시스템정보학교실 윤덕용 교수(左) 팀(한창호 기초전공의 右)은 이를 상세하게 정리한 연구 결과를 정리한 논문을 SCI급 국제학술지 'Frontiers in cardiovascular medicine(IF 6.05)'에 발표했다.

관상동맥 죽상경화증은 혈관 가장 안쪽을 덮고 있는 내막에 콜레스테롤이 침착, 내피세포의 증식이 일어나 죽종(Atheroma)이 형성되는 질환이다.
이를 통해 혈류 공급의 장애를 일으켜 협심증, 심근경색과 같은 허혈성심질환을 일으킬 수 있다. 이러한 관상동맥 죽상경화증을 예측하는 주요 지표로는 관상동맥 석회화가 있다.

관상동맥 석회화는 관상동맥 석회화 수치(Coronary Artery Calcium Score)로 확인된다.
관상동맥 석회화 수치의 점수에 따라 ▲ No atherosclerosis(0점) ▲ Mild disease(1점~99점) ▲ Moderate disease(100점~399점) ▲ Severe disease(400점 이상) 등의 등급으로 나뉜다.
석회화 정도에 따라 식이조절, 운동, 금연 등의 생활습관 개선과 항고지질혈증제, 항혈소판제 등의 예방적 치료가 고려되며 추가로 운동부하검사, 심혈관조영술 등의 검사를 한다.

그간 관상동맥 석회화 수치는 주로 CT 검사를 통해 측정했었다.
그러나, CT 촬영술은 비용이 높을 뿐만 아니라 방사선 피폭이 발생해 일상적으로 적용하기 어렵다는 단점을 지닌다.

이에, 윤 교수팀은 상대적으로 비침습적이면서 방사선 피폭이 발생하지 않는 심전도 검사를 활용해 관상동맥 석회화를 탐지하는 방안을 모색했으며, 이 연구를 바탕으로 심전도 기반 관상동맥 석회화 탐지 인공지능 모델을 개발해냈다.

인공지능 모델의 훈련엔 환자 5,765명의 심전도 총 8,178건이 사용됐으며, 검증에는 환자 877명의 심전도 총 1,745건이 활용됐다.

이를 바탕으로 연구팀은 관상동맥 석회화 수치 100 이상, 400 이상, 1,000 이상을 예측하는 이진 분류 인공지능 모델들을 개발하기에 이르렀다. (사진)

AUROC(Area Under the Receiver Operating Characteristics curve, AUC가 1에 가까울수록 모델의 신뢰도 높음)를 통해 살핀 인공지능 모델의 정확도는 훈련 그룹에선 ▲ 100 이상 – AUC 0.753 ▲ 400 이상 – AUC 0.802 ▲ 1,000 이상 – AUC 0.835, 검증 그룹에서는 ▲ 100 이상 – AUC 0.718 ▲ 400 이상 – AUC 0.777 ▲ 1,000 이상 – AUC 0.803으로 우수하게 나타났다.

이 연구는 심전도 내에 함축된 유용한 임상 정보를 인공지능을 활용해 추출한 것으로, 심전도 검사로 방사선 피폭 등의 단점을 지닌 CT 검사를 대체 관상동맥 석회화를 효과적으로 탐지할 수 있음을 확인했다는 점에서 큰 의의를 지닌다는 게 연구팀의 설명이다.

특히, 인간의 눈으로는 판독하기 어려웠던 심전도의 미세한 변화를 인공지능을 활용, 탐지할 가능성을 살펴 추후 활용도가 매우 높을 것으로 기대된다.

윤 교수는 "의료 분야에 인공지능 모델을 적극적으로 활용함으로써 질환의 조기 진단과 치료를 이룰 수 있을 것으로 기대한다"며 "이 연구를 이어나가 향후엔 심전도를 활용해 관상동맥 석회화뿐만 아니라 협착 정도(Stenosis Degree)를 예측하는 인공지능 모델을 구축하겠다"고 밝혔다.

한편, 윤 교수가 속한 의생명시스템정보학교실은 통계학적인 이론과 방법론을 기초로 각종 생물의학연구에서 발생하는 복잡한 문제의 객관적인 해결책을 제시하는 분야다.
윤 교수는 의료정보학과 의료인공지능을 전공으로 첨단 의료 산업에 관한 다양한 연구를 진행하고 있다.