천명음과 수포음을 구별하는 AI 기술의 진화 이야기

천명음과 수포음을 구별하는 AI 기술의 진화 이야기

1. 천명음과 수포음의 중요성

소아 호흡기 질환은 성인에 비해 더 빠르게 진행될 수 있는 특징이 있습니다. 특히, 천명음과 수포음은 이러한 호흡기 질환의 조기 진단에 중요한 역할을 합니다. 천명음은 기도 협착으로 인해 발생하는 고음의 '쌕쌕' 소리로, 소아 천식이나 만성 폐쇄성 폐질환 등에서 흔히 나타납니다. 수포음은 폐포가 열리면서 발생하는 소리로, 폐렴이 진행되는 과정에서 나타납니다.

2. 기존의 문제점

기존의 청진기 방식은 의료진의 숙련도에 따라 정확도가 달라지는 한계가 있었고, 소아 환자의 호흡음을 직접 듣고 판단해야 했습니다. 이러한 방법은 시간과 노력이 많이 들었으며, 의료진의 경험과 판단에 의존적이었습니다.

3. 인공지능 기술의 등장

인공지능 기술이 등장하면서, 천명음과 수포음을 구별하는 정확도와 속도를 향상시키는 새로운 방법이 개발되었습니다. 분당서울대학교병원 소아청소년과 김경훈 교수팀은 트랜스포머 기반 인공지능 모델을 활용하여 천명음을 정확히 분류할 수 있는 기술을 개발했습니다. 이 모델은 소리를 멜 스펙트로그램 형태로 변환하고, 이를 16x16 크기의 작은 조각으로 나누어 각 조각 간의 관계를 학습하는 방식으로 작동합니다.

4. AST 모델의 성능

AST 모델은 총 725개의 호흡음 중 80%를 학습용으로 사용하고, 나머지 20%를 테스트 데이터로 활용하여 모델의 정확도를 검증했습니다. 평가 결과 AST 모델은 천명음 분류 정확도 91.1%, 정밀도 88.2%, F1-Score 82.2%를 기록하며 CNN 모델보다 우수한 성능을 보였습니다. 특히 AST 모델은 천명음에는 민감하게 반응하면서도 정상 호흡이나 소음에는 거의 반응하지 않는 패턴을 보여 천명음을 효과적으로 구분할 수 있다는 사실이 확인되었습니다.

5. 다른 연구의 결과

우리아이들병원 남성우 전문의와 김성은 교수 공동 연구팀은 1만4천903명의 소아청소년 환자의 호흡음을 전자청진기로 채음하여 AI 알고리즘으로 학습시킨 결과, 이상 호흡음을 구별해내는 정확도가 84% 수준에 도달했습니다. 이 연구는 국내에서 가장 많이 축적된 호흡음 데이터를 활용하였으며, 해외에서 구축된 데이터와 비교했을 때 민감도와 특이도가 종합된 진단 정확도가 유사했습니다.

6. 향후 계획

향후 연구팀은 이 기술을 스마트기기에 내장시켜 의료진의 진단을 보조하거나, 의료 접근성이 낮은 지역에서 비전문가도 쉽게 사용할 수 있도록 실용화하는 것을 목표로 하고 있습니다. 또한 AST 모델의 정밀도를 더욱 높이고 다양한 호흡음 데이터를 활용해 기술을 고도화할 계획입니다. 또한, 천명음뿐만 아니라 폐렴일 때 발생하는 수포음 등 다양한 비정상 호흡음을 학습시켜 분류할 수 있도록 인공지능 모델을 발전시키고 싶습니다.

7. 실용성과 확장 가능성

개발된 천명음 인공지능 모델은 전처리 과정에서 정보 손실이 적고, 구조가 가벼워 스마트기기 등 모바일 환경에서도 쉽게 작동할 수 있습니다. 이는 의료 인프라가 부족한 지역에서도 휴대용 장치를 통해 실시간으로 정확한 호흡기 진단이 가능하다는 점에서 실용성이 매우 높습니다. 또한, 이 기술을 기반으로 인공지능의 성능을 개선하는 고도화 작업을 진행하고 있으며, 전자청진기와 연결하는 애플리케이션 형태의 의료기기 개발도 준비하고 있습니다.

8. 결론

천명음과 수포음을 구별하는 AI 기술은 소아 호흡기 질환의 조기 진단에 중요한 역할을 할 것으로 기대됩니다. 현재 개발된 AST 모델은 기존의 CNN 모델보다 우수한 성능을 보이며, 향후 스마트기기에 내장되어 의료진의 진단을 보조하거나, 의료 접근성이 낮은 지역에서 비전문가도 쉽게 사용할 수 있도록 실용화할 계획입니다. 이러한 기술의 발전은 소아 환자의 건강 관리를 더욱 효율적으로 지원할 것으로 기대됩니다.