세브란스 천근아·카이스트 이상완 교수 연구팀, AI 연구 성과
피질 하 구조 차이 확인...환자 개별화 맞춤 진단과 예후 예측 첫걸음

세브란스병원 천근아 교수(소아정신과), 카이스트 이상완 교수(바이오뇌공학과)

[메디칼업저버 김나현 기자] 뇌영상 빅데이터를 활용한 딥러닝으로 자폐 스펙트럼 장애(ASD)의 증상 및 심각도를 예측할 수 있다는 연구결과가 나왔다.

이번 연구에 따라 ASD 환자의 진단과 예후에 따른 맞춤형 치료가 가능할 것으로 기대되고 있다.

세브란스병원 천근아 교수(소아정신과, 연세자폐증연구소장)와 KAIST 이상완 교수(바이오뇌공학과, 신경과학-인공지능 융합연구센터장) 연구팀은 ASD의 뇌영상 빅데이터를 활용해 자폐의 증상과 예후를 예측할 수 있다고 최근 밝혔다.

이번 연구결과는 ASD 아동들의 뇌영상 빅데이터를 이용한 국내 최초의 인공지능 연구 성과로, 국제전기전자기술자협회(IEEE)에서 발행하는 저널인 IEEE 엑세스(Access) 온라인판에 게재됐다.

뇌 발달 장애의 하나인 ASD는 사회적 의사소통의 결함과 제한된 관심사 및 반복적 행동이 대표적인 특징이다. 

미국 CDC(미국질병통제예방센터)의 올해 통계자료에 따르면 ASD의 유병률은 54명당 1명으로 매년 증가하는 추세이며, 국내 유병률도 약 2% 내외이다.

ASD는 아동 행동 관찰 및 상담과 정신질환 진단분류매뉴얼(DSM-5)에 근거해 진단하지만, 개인차가 심해 정확한 진단과 예후 예측이 힘들다.

이에 연구팀은 세브란스병원에 구축된 3~11세 ASD 환자 84건의 MRI 빅데이터와 국제컨소시엄으로 구축된 1000여 건의 자폐증 환자 MRI 빅데이터를 활용해 MRI 영상으로 자폐 진단과 예후를 예측할 수 있는 딥러닝 모델을 개발했다.

A. 세브란스병원 ASD 환자의 MRI 빅데이터에서 인공지능 모델이 자폐 중증도와 관련된 뇌 주요 부위들의 연관 관계를 찾아내는 모습
B. 국제컨소시엄으로 구축된 1000여 건의 자폐증 환자 MRI 빅데이터에서 인공지능 모델이 자폐 중증도와 관련된 뇌 주요 부위들의 연관 관계를 찾아내는 모습
C. A와 B의 주요 부위를 3차원으로 표현한 뇌 이미지

연구팀은 공간 변경 네트워크(Spartial Transformer Network, STN)와 3D 컨볼루션 신경망(convolutional neural network, CNN)을 활용한 모델을 구축하고, MRI 빅데이터를 학습시켰다.

이렇게 구축된 모델에 클래스 활성화 매핑(class activation mapping) 기법을 적용해 형태학적인 특징을 추출하고 이를 뇌영상에 투영시키는 방식으로 분석했다. 

더 나아가 인자들간의 관계 분석을 위해 강화학습 모델의 일종인 회귀형 주의집중 모델(recurrent attention model)을 학습시켰다.

그 결과 뇌의 기저핵을 포함한 피질 하 구조가 자폐 심각도와 관련이 있음을 확인했다.

천 교수는 "자폐스펙트럼장애를 진단함에 있어 뇌 영상 자료는 아직까지 의사들 사이에서 활용가치가 높지 않다는 인식이 보편적"이라며 "이번 연구로 자폐의 하위 증상과 심각도 사이에 뇌영상에서 차이가 있다는 것을 확인했다"고 말했다.

이 교수도 "진료 현장에서 자폐를 진단하고 연구하는데 구조적 연관 후보를 제공할 수 있게 됐다"며 "앞으로 의사나 관련 전문가들이 인공지능을 활용해 복잡한 질병을 이해하고 더 많이 활용하게 될 것"이라고 설명했다.

관련기사

저작권자 © 메디칼업저버 무단전재 및 재배포 금지