▲[사진 왼쪽부터] 서울대병원 공현중 교수, 분당서울대병원 김정훈 교수, 서울대병원 김현직 교수, 동국대일산병원 박석원·김진엽 교수, DGIST 황재윤 교수, 전북대 이경수 교수

AirwayNet-MM-H 모델은 CT 이미지의 3차원 구조를 분석하는 3차원 컨볼루션 신경망(3D CNN)과 환자의 데이터를 처리하는 다층 퍼셉트론(MLP)를 결합해 폐쇄성 수면무호흡증을 진단하고, 진단된 환자의 중증도를 예측한다. 이 모델은 4등급(정상, 경증, 중등도, 중증)으로 분류하거나, 중등도 이상의 폐쇄성 수면무호흡증을 예측하는 2등급(중등도 이상, 경증/정상) 분류 방식으로 활용된다.

이번 연구에서는 내부 데이터 798명과 외부 데이터 세트 135명 및 85명을 기반으로 모델을 학습하고 성능을 검증했다.

그 결과, AirwayNet-MM-H 모델은 4등급 분류에서 내부 데이터로 87.6%의 예측 정확도를 기록했으며, 외부 데이터 세트에서도 각각 84.0%와 86.3%의 높은 정확도를 보였다.

특히, 중등도 이상의 폐쇄성 수면무호흡증을 예측하는 2등급 분류에서는 내부 데이터에서 91.0%의 예측 정확도를 기록했으며, 외부 데이터 세트에서도 높은 예측 정확도를 보였다.

추가로 AirwayNet-MM-H 모델의 진단 성능을 기존 딥러닝 모델과 비교한 결과, 내부 데이터 세트에서는 기존 모델보다 정확도가 최대 14.2% 높았고, AUROC 값이 0.152 더 우수했다. 외부 데이터 세트에서도 정확도가 11.9% 더 높았으며, AUROC 값이 0.111 더 높아, 다른 6개의 최신 딥러닝 모델보다 우수한 성능을 보였다.

[그림] AirwayNet-MM-H 모델 구조 정형 데이터(나이, 성별, BMI)를 처리하는 MLP와 비정형 데이터(CT 이미지)를 처리하는 CNN을 결합한 폐쇄성 수면무호흡증 진단 및 중증도 예측 모델

연구팀은 이 딥러닝 모델이 수술 전후의 위험 평가에도 활용 가능해 임상에서 유용할 것으로 기대하고 있다. 추가적인 검사나 비용 없이 이미 촬영된 CT 데이터를 사용해 진단할 수 있어 비용 효율성 또한 뛰어나다는 점도 강조했다.

공현중 교수(서울대병원 융합의학과)는 “이 딥러닝 모델은 기존 수면다원검사에 접근하기 어려운 환자들에게 신속하고 정확하게 진단을 제공할 수 있으며, 조기 진단과 치료를 통해 환자의 삶의 질을 크게 향상시킬 수 있을 것으로 기대된다”며 “향후 더 많은 외부 데이터를 통해 성능을 검증하고 개선하고, 다양한 인종과 환자군에 적용 가능성을 평가할 계획”이라고 말했다.

이번 연구결과는 ‘미국 흉부학회 학술지(American Journal of Respiratory and Critical Care Medicine, IF 19.3)’ 최신호에 게재됐다.

엠디포스트 김은식 기자 mdpost@mdpost.co.kr 김은식 기자의 기사 더보기

저작권자 ⓒ 엠디포스트, 무단 전재 및 재배포 금지