이번 연구의 주제는 급성 심근경색(AMI) 환자 중 재관류 시술이 필요한 환자를 조기 탐지하는 딥러닝 모델 개발 및 검증에 관련된 내용이다. 제목은 '심전도를 활용한 재관류 치료 대상 급성 심근경색 탐지 인공지능 모델 개발'이다.
급성 심근경색은 조기 진단이 환자의 생존율과 직결되는 대표적인 심혈관 응급질환이다. 하지만 응급실, 구급차, 1차 의료기관 등 의료 인프라가 제한된 환경에서는 숙련된 의료 인력과 정밀한 장비 부족으로 인해 조기 진단이 어렵고 오진 위험도 높다. 특히 ST 분절 비상승 심근경색의 경우 관상동맥의 부분적 폐쇄로 여러 증상을 동반하는데, 심전도 변화가 명확하지 않아 전문의의 판독으로도 검출하기 어렵다.
뷰노 연구팀은 이러한 한계를 극복하기 위해 심전도 데이터를 기반으로 자기지도학습을 활용한 트랜스포머 기반 딥러닝 모델 개발에 착수했다.
연구팀은 트랜스포머 기반 딥러닝 모델 구조를 사용해 인공지능 모델을 두 단계로 학습했다. 자기지도학습을 통해 모델이 스스로 심전도 데이터를 분석하여 패턴을 학습하도록 했다. 이후에는 급성 심근경색을 찾아낼 수 있도록 모델을 미세 조정하는 방식으로 학습시켰다. 이러한 학습 과정을 통해 모델 성능이 향상되는 것을 확인했다. 학습 데이터 증가에 따른 추가적인 성능 개선 가능성도 제시했다. 뷰노는 전남대학교병원 데이터를 활용해 모델 개발 및 평가를 진행했다. 한림대학교 강남성심병원 데이터를 외부 검증 데이터셋으로 활용해 학습한 인공지능 모델의 일반화 성능을 후향적으로 평가했다.
그 결과 연구팀의 모델은 외부 검증 데이터셋 기준 AUROC(AI 모델 성능평가지표) 0.968로 기존 자기지도학습을 적용하지 않은 방법에 비해 유의미한 성능 향상을 보였다. 또한 진단이 어려운 ST 분절 비상승 심근경색 환자군에서도 AUROC 0.947을 기록해 임상 적용 가능성을 높였다.
뷰노 주성훈 CTO는 "이번 연구는 자기지도학습을 통해 고도화된 심전도 기반 AI 솔루션이 의료진의 판단을 돕고 특히 응급상황에서 환자의 생명을 살리는데 큰 역할을 할 수 있는 가능성을 보여줬다"고 전했다.
이미선기자 already@dt.co.kr
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
