혈관 CT 검사 결과로 관상동맥질환 진단과 함께 미래 심장질환 발생 위험까지 예측하는 딥러닝 모델이 개발됐다.

세브란스병원 영상의학과 허진 교수<사진> 연구팀은 계명대학교 동산병원 영상의학과 김진영 교수, 의료영상 인공지능 기업 팬토믹스 연구팀과 함께 관상동맥질환 진단과 예후 예측 딥러닝 모델을 개발하고 실제 임상에 적용할 수 있는 가능성을 확인했다고 19일에 밝혔다.

이번 연구 결과는 국제학술지 ‘영상의학:인공지능(Radiology:Artificial Intelligence, IF 8.1)’에 게재됐다.

급성 흉통으로 응급실을 찾는 환자에게는 빠르고 정확한 관상동맥질환 진단과 함께 미래에 발생할 수 있는 심장질환의 가능성을 평가하는게 중요하다. 이러한 진단과 위험을 평가하기 위해 CT 혈관조영술을 실시하고 있지만 결과 판독이 나오기까지 오랜 시간이 걸리고 판독자에 따라 해석이 달라질 수 있다는 한계가 있다.

연구팀은 인공지능 딥러닝 기술을 이용해 관상동맥 협착을 자동으로 판독하고 협착 정도에 따라 정상, 비폐색성(협착 50% 미만), 폐색성(협착 50% 이상) 세 그룹으로 분류하는 모델을 개발하고 정확성을 살폈다.

딥러닝 모델은 2018년부터 2022년까지 3개 대학병원 응급실에 내원해 CT 혈관조영술을 시행한 408명의 환자 데이터를 학습했다. 또 YOLO 아키텍처를 사용해 혈관 협착을 발견하는 속도를 높였다. YOLO 아키텍처는 물체 위치 파악과 종류 분류를 동시에 수행하기 때문에 데이터 처리 속도가 빠르다는 장점이 있다.

딥러닝 모델의 유효성을 검증하기 위해 전체 환자의 심장 사건 발생을 평균 2년 6개월 간 추적 관찰했다. 환자 중 15%가 심근경색, 불안정 협심증 등으로 입원과 사망을 겪었다. 특히, 폐색성 환자군의 발생률은 38.8%로 정상군(0.6%), 비폐색성군(3.2%)보다 크게 높았다.

▲[그래프] 폐색성 집단(주황)이 비폐색성(초록), 정상(파랑)보다 시간(가로축)이 지나면서 생존율(세로축)이 크게 떨어졌다.

미래 심장질환 발생 위험을 따질 때 고지혈증이나 심장 효소 수치인 트로포닌-T 등 기존 위험인자와 비교해 딥러닝이 분석한 폐색성 정도가 가장 유효한 지표라는 것도 나타났다. 또 딥러닝이 기존 위험인자에 관상동맥 폐색성을 추가해 미래 심장질환 발생 위험을 분석하면 기존 위험인자만 가지고 분석했을 때(판별력 80%)보다 위험도 판별력이 14% 향상했다.

허진 교수는 “이번 연구로 빠른 진단과 치료 결정이 중요한 응급실에서 단순히 관상동맥질환의 유무를 판별하는 것을 넘어 환자 예후까지 예측하는데 딥러닝 모델을 적용할 수 있다는 가능성을 제시했다”며 “인공지능 기술이 단순한 진단 보조를 넘어 임상 의사결정 지원 도구로 확장할 수 있다는 것을 확인했다”라고 말했다.