- 서울대병원·분당서울대병원·동국대일산병원·DGIST, 딥러닝 모델 개발
[파이낸셜뉴스] 서울대병원·분당서울대병원·동국대일산병원·대구경북과학기술원(DGIST) 등 국내 공동 연구팀이 딥러닝을 활용한 컴퓨터단층촬영(CT) 영상 분석을 통해 폐쇄성 수면무호흡증(OSA)의 진단과 중증도를 예측하는 새로운 방법을 개발했다고 4일 발표했다. 이번 연구는 기존의 수면다원검사보다 더 빠르고 비용 효율적인 대안을 제시해, 폐쇄성 수면무호흡증 진단의 새로운 표준을 정립할 수 있을 것으로 기대된다. 공현중 서울대병원 융합의학과 교수와 김현직 이비인후과 교수, 김정훈 분당서울대병원 이비인후과 교수, 박석원·김진엽 동국대일산병원 이비인후 교수, 황재윤 DGIST 전기전자컴퓨터공학과 교수로 구성된 공동 연구팀은 총 1018명의 폐쇄성 수면무호흡증 환자를 대상으로 딥러닝 모델을 기반으로 한 CT 영상 분석을 통해 이같은 기술을 개발했다고 전했다.
폐쇄성 수면무호흡증은 수면 중 상기도가 반복적으로 좁아지거나 막혀 호흡이 어려워지는 질환으로, 전 세계 인구의 약 6~38%가 이 질환을 앓고 있다. 심혈관 질환, 당뇨병, 우울증 등 다양한 합병증을 유발하며, 수면의 질을 심각하게 저하시킨다.
연구팀은 이런 문제를 해결하기 위해, 기존에 촬영된 부비동을 포함한 두개안면 CT 이미지를 활용해 폐쇄성 수면무호흡증을 진단하고 중증도를 예측할 수 있는 딥러닝 모델 'AirwayNet-MM-H'를 개발했다. 이 모델은 3D CT 이미지와 환자의 나이, 성별, 체질량지수(BMI) 등을 결합해 예측의 정확도를 크게 향상시켰으며, 기도 부위를 강조하는 전처리 알고리즘을 적용해 성능을 더욱 개선했다.
AirwayNet-MM-H 모델은 CT 이미지의 3차원 구조를 분석하는 3차원 컨볼루션 신경망(3D CNN)과 환자의 데이터를 처리하는 다층 퍼셉트론(MLP)를 결합해 폐쇄성 수면무호흡증을 진단하고, 진단된 환자의 중증도를 예측한다. 이 모델은 4등급으로 분류하거나, 중등도 이상의 폐쇄성 수면무호흡증을 예측하는 2등급 분류 방식으로 활용된다.
이번 연구에서는 내부 데이터 798명과 외부 데이터 세트 135명 및 85명을 기반으로 모델을 학습하고 성능을 검증했다.
그 결과, AirwayNet-MM-H 모델은 4등급 분류에서 내부 데이터로 87.6%의 예측 정확도를 기록했으며, 외부 데이터 세트에서도 각각 84.0%와 86.3%의 높은 정확도를 보였다. 특히, 중등도 이상의 폐쇄성 수면무호흡증을 예측하는 2등급 분류에서는 내부 데이터에서 91.0%의 예측 정확도를 기록했으며, 외부 데이터 세트에서도 높은 예측 정확도를 보였다.
추가로 AirwayNet-MM-H 모델의 진단 성능을 기존 딥러닝 모델과 비교한 결과, 내부 데이터 세트에서는 기존 모델보다 정확도가 최대 14.2% 높았고, AUROC 값이 0.152 더 우수했다. 외부 데이터 세트에서도 정확도가 11.9% 더 높았으며, AUROC 값이 0.111 더 높아, 다른 6개의 최신 딥러닝 모델보다 우수한 성능을 보였다.
연구팀은 이 딥러닝 모델이 수술 전후의 위험 평가에도 활용 가능해 임상에서 유용할 것으로 기대하고 있다. 추가적인 검사나 비용 없이 이미 촬영된 CT 데이터를 사용해 진단할 수 있어 비용 효율성 또한 뛰어나다는 점도 강조했다.
camila@fnnews.com 강규민 기자
※ 저작권자 ⓒ 파이낸셜뉴스, 무단전재-재배포 금지