“인공지능 기술을 이용, 미숙아의 장천공을 미리 예측할 수 있는 모델을 개발해 실제 임상 환경에 적용해 우수한 예측 성능을 입증했다.”
- 국제학술지 『Scientific Reports』에 실린 ‘Development of artificial neural networks for early prediction of intestinal perforation in preterm infants’ 중에서

미숙아에게 치명적인 질환 중 하나인 장천공

'미숙아’는 엄마의 뱃속에서 필요한 기간을 채우지 못하고 37주 미만으로 태어난 아기를 일컫는다. 대부분의 신체 기능이 미숙한 상태인 만큼 여러 위험한 질환에 걸릴 위험에 노출되어 있는데 그중에 하나가 장천공이다. 이런 미숙아들에게 나타나는 장천공의 대표적인 두 가지 원인은 괴사성 장염(Necrotizing Enterocolitis, NEC)과 특발성 장천공(Spontaneous Intestinal Perforation, SIP)이다.

대부분의 아기들에게서 장천공이 발생했을 때 빠른 대처와 수술적 치료가 필요한데, 우리나라 통계에 따르면 장천공이 발생한 미숙아 중 9.3%의 환자는 수술을 받기 전 사망하였고, 1.2%의 환자는 병원의 소아외과 수술 인력 부재로 인해 타원으로 전원을 해야 했다. 예전부터 NEC와 SIP의 발생 기전을 파악하는 연구는 진행되어 왔지만 두 질환 모두 다원적 소인이 복합적으로 작용하여 발생하기 때문에 이에 대한 원인과 기전이 확실하게 규명되지 않아 장천공을 미숙아에게서 미리 예측하고 예방하는 것은 여전히 어려운 상황이다.

 

머신 러닝(Machine Learning)을 이용한 질병의 예측 연구

최근 인공지능 기법 중에 하나인 머신 러닝을 이용한 질병의 예측 및 진단이 여러 임상의학 분야에서 활발히 연구되고 있다. 이런 연구 트렌드에 맞춰 본 연구에서는 극소 저체중 출생 신생아(출생 당시 몸무게가 1,500g 이하)의 국가 데이터를 이용하여 장천공을 미리 예측하는 머신 러닝 알고리즘을 개발하고자 하였다. 이를 위해 한양대학교병원 소아청소년과 박현경, 나재윤 교수, 한양대학교 공과대학 컴퓨터소프트웨어학부에서 인공지능 연구를 하고 있는 김태현 교수팀과 공동 연구를 진행하였다.

인공지능을 이용한 질병 예측 연구를 진행하기 위해서는 대량의 데이터가 필요한데, 연구팀은 2013년부터 2018년까지 한국 신생아 네트워크(Korean Neonatal Network, KNN)에 등록된 12,555명의 극소 저체중 출생 신생아들의 데이터를 사용하였다. 이들 신생아에서 얻은 54가지 다양한 임상 정보를 가지고 장천공 발생 여부를 예측하도록 여러 머신 러닝 모델을 학습시켰다. 이후 특정 질병을 진단하는 검사의 효용성을 평가하는 지표로 자주 사용하는 area under receiver operator characteristic(AUROC) 점수로 모델의 성능을 평가하였다. 여러 머신 러닝 모델 중 multilayer perceptron(MLP)라고 하는 artificial neural network 모델이 가장 높은 점수(NEC에 의한 장천공 예측 점수: 0.8665, SIP 예측 점수: 0.8498)를 보여주었다.

​본 연구의 대상 환자 중 NEC에 의한 장천공은 4.1%, SIP에 의한 장천공은 1.7%의 환자에게서 발생하였는데, 이렇게 유병률이 낮은 질병은 질병에 걸리지 않은 대조군의 사람 수가 훨씬 많게 되므로 data imbalance의 문제가 생겨 머신 러닝의 질병 예측 성능이 다소 떨어지게 된다. 인공지능 입장에서는 질환군의 숫자가 대조군의 숫자만큼 데이터 숫자가 많아야 두 가지를 정확히 분별하는데 유리하기 때문이다. 이 문제를 해결하기 위해 본 연구팀은 새롭게 MLP 모델을 변형시켜 두 가지 모델을 추가적으로 더 개발하였다.

장천공과 비슷한 성격을 가지지만 환자 수가 더 많은 질환(장천공이 생기지 않은 경증 상태도 포함하는 모든 괴사성 장염)을 먼저 예측하는 알고리즘을 만든 뒤, 장천공을 예측하는 알고리즘에 연결시키는 Transfer Learning 기술을 도입해 보았고, 그 결과 장천공 예측 AUROC 점수가 상승하는 것을 확인할 수 있었다. 더 나아가, 우리가 제시한 모델이 실제 환자들에게 적용 가능한지 평가하기 위해 2019년에서 2020년 사이 한양대학교병원 신생아중환자실에서 치료받은 57명의 극소 저체중 출생 신생아들의 데이터를 적용해 보았고, NEC에 의한 장천공 예측점수 1.0000, SIP 예측점수 0.9364로 높은 AUROC 점수를 보였다. 이번 연구는 세계적 융합연구 학술지인 『Scientific Reports』(피인용지수: 4.996) 에 ‘Development of artificial neural networks for early prediction of intestinal perforation in preterm infants’ 라는 논문으로 게재되었다.

Development of artificial neural networks for early prediction of intestinal perforation in preterm infants
머신러닝을 이용한 미숙아의 장천공 예측모델 개발과 임상 적용

 

미숙아의 다양한 질병 예측에 머신 러닝의 활용

이 연구는 아직 정확한 기전이 밝혀지지 않았거나, 예측하기 힘든 다양한 미숙아 질환들을 미리 예측하는 것에 머신 러닝이 활용될 수 있는 가능성을 보여준 연구로 볼 수 있겠다. 출생 전 산모의 여러 가지 정보와, 출생 직후 미숙아의 여러 임상 정보를 인공지능에 입력하였을 때 각종 위험한 질환들의 발생 위험도를 미리 보여주는 것이다.

실제로 신생아 중환자실에 치료받는 미숙아들은 예측치 못한 여러 응급 질환들에 노출되어 임상의사들이 진료에 어려운 부분이 많은데, 이런 인공지능 기술 연구를 통해 미숙아들의 다양한 질병을 미리 예측하고 더 나아가 해당 질환을 예방하는 연구로도 이어진다면, 미숙아들의 생존율이 현재보다 훨씬 더 향상될 수 있을 것이라고 믿는다.