보건타임즈 : 아동 ADHD, 수면장애 '웨어러블 디바이스 활용 조기선별 가능성' 규명

조철현 교수팀, 영유아 디지털 헬스케어 기업 '루먼랩'과 공동연구
아동 5,725명 심박수 등 웨어러블 데이터와 'ADHD, 수면장애 진단결과' 활용 개발
ADHD 진단할 모델에 '12,348개 데이터', 수면장애 진단 모델에 '39,160개 데이터' 활용
ADHD 진단 모델 'AUC 0.798, 민감도 0.756, 특이도 0.716'
수면장애 진단 모델 'AUC 0.737, 민감도 0.743, 특이도 0.632'
논문, 미국의사협회 학술지 'JAMA Network Open'에 게재

[보건타임즈] 국내 연구진이 아동의 주의력결핍 과잉행동 장애와 수면장애를 웨어러블 디바이스를 통해 조기에 선별할 수 있는 인공지능 모델 가능성을 규명해냈다.

아동 주의력결핍 과잉행동 장애(ADHD Attention Deficit Hyperactivity Disorder)와 수면장애의 조기진단은 아동의 정신건강과 성장발달에 매우 중요하다.
그러나 일상생활에서 조기에 선별하기 힘든 데다 기존 면담과 설문을 통해 진단방법으로는 한계가 있어 편리하면서 객관적인 생활 속 조기선별기술의 필요성이 대두돼왔다.

고려대학교 안암병원 정신건강의학과 조철현 교수(사진) 연구팀은 영유아 디지털 헬스케어 기업 ‘루먼랩’과 함께 미국에서 시행된 청소년 뇌인지발달(ABCD Adolescent Brain Cognitive Development)연구를 통해 축적된 아동 웨어러블 데이터와 ADHD, 수면장애 진단결과를 활용해 개발했다며 이같이 발표했다.

연구팀은 심박 수, 걸음 수, 수면시간, 수면의 단계, 낮잠, 소비칼로리 등 아동 5,725명의 21일간 웨어러블 데이터를 일주기 리듬을 기준으로 분석해 ADHD를 진단할 모델에 12,348개의 데이터, 수면장애를 진단 모델에 39,160개의 데이터를 활용했다.

이 결과, ADHD 진단 모델은 모델의 성능을 평가하는 AUC가 0.798, 민감도 0.756, 특이도 0.716, 수면장애 진단 모델은 AUC 0.737, 민감도 0.743, 특이도 0.632를 각각 나타냈다.

이처럼 2가지 모델 모두 일상생활에서 디지털 표현형(digital phenotyping)을 활용한 조기선별이 가능한 수준의 성능을 보임으로써 웨어러블 데이터를 통해 아동의 ADHD와 수면장애 조기발견과 조기 치료의 근거를 마련한 것이라는 게 연구팀의 설명이다.

조 교수는 “일상생활에서 얻게 되는 디지털 표현형을 활용한 기계학습 진단 모델이라는 점에서 손쉬우면서 객관적이며, 조기선별에 개입이 가능할 것”이라면서 “특히 아동들은 자신의 증상을 자각하기 힘들며, 상대적으로 디지털 기기에 대한 친숙도와 활용도가 높아 향후 개인 맞춤 디지털 치료 서비스와 연동 시 치료 효과로 이어질 것으로 기대한다”고 말했다.

이 연구 결과를 상세하게 정리한 논문은 'Machine Learning–Based Prediction of Attention-Deficit/ Hyperactivity Disorder and Sleep Problems With Wearable Data in Children'이란 주제로 미국의사협회 학술지 'JAMA Network Open (IF=13.37)'에 게재됐다.