한양대학교 MEB 글로벌 발달센터

게시판

센터소식

빅데이터 기반 인공지능으로 ‘선천성 심장병’ 위험도 분석 규명
  • 관리자
  • |
  • 628
  • |
  • 2021-12-13 12:01:47

데이터 기반 인공지능으로 선천성 심장병위험도 분석 규명


나재윤 교수팀, 세계적 학술지 사이언티픽 리포트게재



 

소 저체중아(1.5kg 미만)선천성 심장병을 빅데이터 기반 인공지능을 적용해 위험 인자들을 분석해 높은 예측도로 진단할 수 있다는 연구결과가 나왔다.

 

이번 연구는 한양대학교병원 소아청소년과 나재윤 교수팀(박현경 교수)과 한양대학교 ERICA 공대 이주현 교수팀(공동 1저자 김동균 연구원) 및 인공지능융합연구센터 권보경 박사가 공동연구에 참여했으며, 지난 1116일 융합연구의 세계적 학술지인 사이언티픽 리포트(Scientific Reports, 인용지수 4.380)11월호에 전국 극소 저체중아 코호트에서 동맥관 개존증 위험인자 분석을 위한 인공지능 모델 비교(Artificial intelligence model comparison for risk factor analysis of patent ductus arteriosus in nationwide very low birth weight infants cohort)’라는 논문으로 게재됐다.

 

선천성 심장병동맥관 개존증은 극소 저체중아에서 동반되어 많이 발생하는 질병으로 높은 사망률에도 불구하고 위험 요소를 사전에 식별하는 것이 어렵고, 명확한 가이드라인이 없어 병원마다 치료 지침에 차이가 있다.

 

공동연구팀은 2013년부터 2017년까지 국내에서 출생하여 한국 신생아네트워크에 등재된 출생체중 1,500g 미만의 극소 저체중아(VLBWI) 8,369명의 자료를 활용해 선천성 심장병인 동맥관 개존증의 위험 인자들을 분류했다. 극소 저체중아 중 동맥관 개존증이 있는 환아는 2,982, 동맥관 개존증이 없는 환아는 5,387명이었으며, 5가지 인공지능 알고리즘의 분석 결과와 기존에 많이 사용되는 다중 회귀 분석(Multiple Logistic Regression) 결과와 비교하였다.

 

분석에 이용된 인공지능 알고리즘은 랜덤 포레스트(Random Forest), 라이트 GBM(Light gradient boosting machine), MLP(Multilayer Perceptron), 서포트 벡터 머신(Support Vector Machine),  k-Nearest Neighbors(k-NN)이며, 이 중 랜덤 포레스트 및 라이트 GBM 알고리즘 분석 결과에서 심초음파 없이 수십가지에 달하는 환아의 출생 정보만으로 극소 저체중아의 동맥관 개존증을 약 82% 정도로 예측하는 높은 정확도를 보였다.

 

뿐만 아니라 'SHAP(SHapley Additive exPlanations)'이라는 게임 이론 기반 알고리즘을 이용해 랜덤 포레스트와 라이트 GBM분석이 동맥관 개존증을 예측하는 판단 기준에 적합한 인공지능 알고리즘이라는 것을 다시 한번 검증했다.

 

연구와 관련해 나재윤 교수는 현재 소아청소년 심장전문의가 많지 않고, 선천성 심장병은 전문의의 주관적인 진단과 치료에 의지하고 있다"면서 "이번 연구에서는 많은 위험 인자를 인공지능 기술로 분석해 선천성 심장병의 진단과 치료 여부를 예측할 수 있음을 규명해 선천성 심장병이라는 드문 질환군에도 인공지능을 적용할 수 있음을 보여준 선도적인 예시라고 말했다.

 

"이번 연구는 신생아 빅데이터에 인공지능을 적용한 첫 사례이며, 본 연구를 토대로 소아청소년 영역에서도 인공지능을 활용한 많은 후속 연구가 이뤄지길 바라며, 소아청소년 심장전문의가 없는 병원에서 활용하는 등 실제 임상에서도 적용할 수 있도록 노력할 것"라고 말했다.

이번 연구는 보건복지부와 질병관리본부에서 구축한 전국 웹기반 네트워크를 바탕으로 한국연구재단 바이오의료기술개발사업의 지원을 받아 진행됐다.

이전글 XK(Xandar Kardian)-RCMS22, XK-CT500, XK-CT300
다음글 다음글이 없습니다.
비밀번호 입력
비밀번호
확인
비밀번호 입력
비밀번호
확인
TOP