이번 연구는 딥러닝 알고리즘을 활용해 원인이 불명확한 뇌졸중 환자의 발작성 심방세동(Paroxysmal Atrial Fibrillation, PAF) 위험도를 확인한 연구로서 용인세브란스병원 윤덕용 교수팀과 공동으로 진행됐다.
뇌졸중은 뇌에 혈액을 공급하는 혈관이 막히거나 터져 뇌세포가 손상을 받아 발생하는 질환으로 동맥경화나 심방세동이 주요 원인으로 알려져 있다. 이번 연구는 그 중 뇌졸중의 주요 위험 인자인 심방세동에 주목했다. 인공지능 모델이 심방세동을 진단받지 않은 뇌졸중 환자의 심전도 데이터에서 심방세동의 위험도를 탐지함으로써 뇌졸중의 원인을 파악하고 효율적인 스크리닝 도구로서 활용될 수 있는지 확인한 결과를 담고 있다.
심방세동은 심방이 규칙적으로 뛰지 않고 불규칙한 맥박을 일으키는 질환으로 뇌졸중의 주요 원인인 동시에 뇌졸중 발생 위험을 5배 이상 높이는 것으로 알려져 있다. 특히 발작성 심방세동은 증상이 없고 간헐적으로 발생하기 때문에 병원이나 건강검진센터에서 우연히 발견되지 않는 한 진단이 어려운 경우가 많다.
이에 뷰노 연구팀은 간헐적으로 발생하는 발작성 심방세동 사이에 나타나는 정상 심전도(Normal Sinus Rhythm)로부터 심방세동의 발생을 예측하는 딥러닝 모델을 구축하고 뇌졸중 환자의 심전도 데이터에서 성능을 확인했다. 그 결과 해당 모델은 뇌졸중 환자에서 심방세동 고위험군을 유의미하게 구분해냈다. 이는 인공지능이 임상 현장에서 뇌졸중 환자의 원인을 감별하는 데 활용될 가능성을 보일 뿐 아니라, 심방세동 고위험군 환자들에게 심장 건강에 대한 지속적인 모니터링이 필요함을 안내하는 데 기여할 수 있음을 시사한다고 회사 측은 설명했다.
뷰노는 이번 연구 결과를 향후 자사의 인공지능 기반 심전도 분석 소프트웨어 뷰노메드 딥ECG™ (VUNO Med®-DeepECG™)에 적용할 계획이다.
이예하 뷰노 대표는 “이번 연구는 의료 현장에서 감별이 쉽지 않은 뇌졸중의 원인을 딥러닝 알고리즘으로 밝혀낼 가능성을 확인했다는 점에서 의미가 크다”며 “앞으로도 뷰노는 다양한 질환의 단서로써 잠재적인 가능성이 높은 심전도 데이터를 활용한 의료인공지능의 가치를 더 많이 알릴 수 있도록 노력하겠다”고 말했다.
임혜정 기자
press@healthinnews.co.kr