소아 호흡기 질환 진단의 게임체인저: AI 진단 시스템

소아 호흡기 질환 진단의 게임체인저: AI 진단 시스템

소아 호흡기 질환은 소아의 건강을 심각하게 위협하는 질환으로, 천식, 기관지염, 만성 폐쇄성 폐질환 등이 대표적인 유형입니다. 이러한 질환들은 소아의 폐포 표면적이 작고 기도가 좁아지기 때문에, 호흡기 질환을 견딜 수 있는 능력이 성인에 비해 현저히 떨어집니다. 따라서 소아 호흡기 질환을 조기 진단하고 적절한 치료를 제공하는 것이 매우 중요합니다.

기존의 진단 방법

현재까지 소아 호흡기 질환을 진단하는 방법은 주로 청진기를 사용하여 직접 소리를 듣는 전통적인 ‘청진’ 방식에 머물러 있습니다. 그러나 이러한 방법은 객관적인 수치로 나타나는 검사법이 아니기 때문에 의사의 경험과 판단에 따라 정확도가 상당히 차이날 수 있습니다. 특히, 소아의 호흡음은 다양한 요인에 의해 영향을 받을 수 있기 때문에, 정확한 진단이 어려울 수 있습니다.

AI 진단 시스템의 개발

이러한 문제를 해결하기 위해 국내 연구진은 인공지능(AI) 모델을 통해 소아 호흡기 질환을 진단하는 알고리즘을 개발하고 있습니다. 분당서울대병원 소아청소년과 김경훈 교수팀은 2023년 1월에 천명음(wheezing)이라는 비정상적인 숨소리를 찾아내는 인공지능(AI) 모델을 개발했습니다.

천명음과 그 중요성

천명음은 폐로 오가는 공기의 통로인 기도가 좁아지면서 압력에 의해 숨을 쉴 때마다 가슴에서 ‘쌕쌕’ 소리가 나는 호흡음입니다. 구조적으로 기도가 좁은 소아에서는 천식, 기관지염 등으로 이러한 천명음이 발생하는 경우가 많아 소아 호흡기 질환을 조기 진단하는 데 가장 중요한 지표로 활용되고 있습니다.

AI 모델의 특징

김경훈 교수팀은 기존의 유사한 연구들에서 데이터의 정교함과 모델 정확도가 임상 현장에서 활용되기에는 다소 부족하다는 점에 착안, 소아 호흡기 전문가들이 교차 검증한 실제 소아 호흡기 환자의 287명의 호흡음을 기계 학습에 사용했습니다. 또한, 보다 정확한 예측을 가능하게 하면서도 AI의 학습 능력을 적절한 수준으로 유지할 수 있도록 34개 레이어의 레즈넷(ResNet) 인공신경망 기술을 적용했습니다.

정확도와 정밀도

개발된 알고리즘은 정확도 91.2%, 정밀도 94.4% 수준으로 임상 현장에서도 충분히 적용 가능한 높은 정확성과 안정성을 보였습니다. 이러한 분석은 소량의 메모리 공간만을 필요로 해 향후 모바일 기기 등에 적용해 환자 개인별 상태를 시간, 장소의 제약 없이 모니터링 할 수 있게 될 것으로 전망됩니다.

장점과 가능성

AI 기반의 천명음 진단 모델은 소아 호흡기 질환을 조기 진단하고 후유증을 최소화하는 데 큰 도움이 될 것입니다. 특히, 소아는 성인보다 폐포 표면적이 작아 호흡기 질환에 취약하므로, 조기 진단이 매우 중요합니다. 김경훈 교수는 “소아는 성인보다 폐포 표면적이 작아 호흡기 질환에 취약하다”며 “AI 기반 모델이 조기 진단에 큰 도움이 될 것”이라고 말했다.

향후 перспектив

AI 기반의 호흡음 분석 변환 모델(AST)은 트랜스포머 기반으로 설계되어, 소리를 주파수 형태의 이미지로 변환한 ‘멜 스펙트로그램(Mel Spectrogram)’을 16x16 크기의 작은 조각으로 나누고, 조각 간의 관계를 학습합니다. 이를 통해 전체 호흡 흐름을 분석하며 천명음의 패턴을 정밀하게 파악합니다. 연구팀은 총 725개 호흡음을 데이터셋으로 활용해 AST 모델을 학습시켰고, 정확도 91.1%, 정밀도 88.2%, F1-Score 82.2%를 기록하며 CNN보다 우수한 성능을 입증했습니다.

모바일 기기 적용 가능성

AI 모델의 경량화된 구조 덕분에 모바일 기기에서도 작동 가능성이 높습니다. 이는 의료 접근성이 낮은 지역에서도 활용 가능하게 해, 소아 호흡기 질환의 조기 진단과 치료를 더욱 확대할 수 있습니다.

연구 결과의 발표

김경훈 교수팀의 연구 결과는 네이처 출판 그룹의 온라인 학술지 ‘Scientific Reports’ 최신호에 실렸습니다. 이러한 연구 결과는 소아 호흡기 질환의 조기 진단과 치료를 위한 새로운 기초를 제공하며, 향후 의료 분야에서 더욱 중요한 역할을 할 것으로 기대됩니다.

결론

AI 진단 시스템은 소아 호흡기 질환의 조기 진단과 치료를 위한 게임체인저로 작용할 것입니다. 정확도와 정밀도가 높은 AI 모델은 의사의 경험과 판단에 의존하지 않고 객관적인 수치로 나타나는 검사법을 제공하며, 소아 호흡기 질환을 조기 진단하고 후유증을 최소화하는 데 큰 도움이 될 것입니다. 또한, 모바일 기기 등에 적용 가능하여 의료 접근성이 낮은 지역에서도 활용 가능하게 해, 소아 호흡기 질환의 조기 진단과 치료를 더욱 확대할 수 있을 것입니다.