기계학습 기반 ‘한국형 심혈관질환 예측 모델’ 개발
상태바
기계학습 기반 ‘한국형 심혈관질환 예측 모델’ 개발
  • 하장수 기자  jangsuha09@naver.com
  • 승인 2021.05.27 13:58
  • 댓글 0
이 기사를 공유합니다

분당서울대병원 강시혁, 창원경상대병원 조상영 교수팀

분당서울대병원 순환기내과 강시혁 교수·창원경상대병원 순환기내과 조상영 교수 연구팀이 인공지능 기계학습 기반의 심혈관질환 예측 모델을 개발했다고 밝혔다.

이번 모델은 국내 인구의 데이터를 바탕으로 개발된 만큼, 기존 활용되어 온 미국심장학회의 모델보다도 예측 정확도가 향상된 것으로 나타났다.

최근 들어 개인의 위험인자를 고려해 심혈관질환 발생 위험을 예측하는 일은 치료방침과 치료목표를 정하는 데에 중요한 기준으로 사용되고 있다. 일반적인 고혈압 환자의 경우에는 140/90mmHg부터 혈압약을 복용하는 것이 보통이지만, 심혈관질환 발생 위험이 높은 환자라면 130/80mmHg부터 복용을 권고하는 것이 한 예다.

하지만 기존에 사용되어 온 심혈관질환 예측 모델은 인종, 성별, 그리고 지역에 따라서도 정확도에 차이가 있었고, 이로 인해 위험성을 과대평가하거나 혹은 과소평가할 수 있다는 단점이 존재했다.

이러한 가운데 강시혁·조상영 교수팀은 2009-2010년 국민건강보험공단 건강검진에 참여한 40세 이상 80세 미만의 성인 약 22만 명(평균연령 58.0)의 데이터를 이용, 기계학습 기반의 심혈관질환 예측 모델을 만들었다. 예측 모델은 대상자의 데이터(연령, 성별, 수축기 혈압, 콜레스테롤 수치, 흡연여부, 당뇨병 병력 등)를 통해 심혈관질환의 발생 위험도를 예측하는 구조로 개발됐다.

참고로 연구 대상자 22만 명에 대한 5년간의 추적관찰 동안 총 7819(3.51%)에서 죽상동맥경화성 심혈관질환(심근경색, 뇌졸중, 말초동맥질환 등)이 발생한 사실을 확인할 수 있었다.

이어 심혈관질환 위험도 예측 모델들의 정확도를 분석한 결과, 기존 모델들은 보통 70-80% 사이의 예측 정확도를 보였고, 특히 주된 비교 대상이 된 미국의 예측 모델 풀드 코호트 위험 평가(PCE, pooled cohort equation)를 통한 예측 정확도는 73.8%로 나타났다. 이와 비교해 이번에 개발된 모델은 1.3%p 상승한 75.1%로 기존 모델에 비교해 예측 성능이 우수한 것으로 확인됐다.

이 같은 결과에 대해 연구진은 동일한 변수를 사용했음에도 불구하고 정확도는 높아지고 오차는 감소했다는 것이 기계학습의 장점이라고 할 수 있다개개인의 위험도를 더욱 정확하게 산출할 수 있어 환자에게 개별화된 맞춤형 치료에도 유리할 것으로 내다본다고 설명했다.

창원경상대병원 조상영 교수는 심혈관질환 예측 모델을 통해 위험군을 선별할 뿐만 아니라 효율적인 예방적 치료방침을 제시해야 한다는 점이 이번 연구의 핵심이라며 국내 데이터로 개발된 모델의 예측력이 기존에 사용되어 온 모델보다 우수하다는 사실이 확인된 만큼, 정확도가 높은 평가도구의 개발과 활용을 위해 지속적으로 연구해 나갈 예정이라고 전했다.

한편, 의료정보가 디지털화되고 컴퓨터 프로그램의 성능이 향상되면서 의료영역에서도 인공지능 기계학습의 역할이 점점 늘어나고 있다. 더욱이 기계학습 기반의 질병 예측모델은 중증 질환의 발생을 예방하고 의료비용을 절감할 수 있어 심혈관질환을 비롯한 현대의학에서 매우 중요한 역할을 할 것으로 보인다.

분당서울대병원 강시혁 교수는 인공지능 기계학습은 건강은 물론, 삶을 윤택하게 만드는 일에도 계속해 활용될 수 있을 것이라며 의료 분야에 접목한 기계학습의 활용도를 넓힌다면 사람의 수고는 덜면서도 질병에 대한 위험성을 정확하게 예측하고, 보다 효과적인 치료법을 제공할 수 있게 될 것이라고 전했다.

이번 연구결과는 국제 학술지 사이언티픽 리포트(Scientific Reports) 4월호에 게재됐다.

 

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.
주요기사
이슈포토