혈관이 막히는 뇌경색이나 혈관이 터지는 뇌출혈 같은 뇌혈관질환은 치료 시기를 놓치면 심각한 후유증을 남길 수 있다. 그렇지만 증상이 나타나기 전에 알아차리기란 쉽지 않다. 국내 연구진이 실제 고령자의 일상생활 데이터를 분석해 일상생활에서 나타나는 작은 변화만으로도 집에서 쉽게 뇌혈관질환 위험을 조기에 감지할 수 있는 인공지능(AI) 기술을 개발해 주목받고 있다.
비접촉 생활데이터 기반 고령자 진단 전 위험군 식별 및 진단 임박 위험 평가 인공지능
카이스트 제공
카이스트 건설및환경공학과, 성균관대 전자전기공학부, 고려대 안암병원 신경과 공동 연구팀은 고령자의 주거환경에서 장기간 수집된 라이프로그 데이터를 활용해 뇌혈관질환 진단 전 위험단계를 식별하고 진단이 임박한 위험 상태까지 평가하는 AI 프레임워크를 개발했다고 12일 밝혔다. 이 연구 결과는 네이처 출판그룹에서 발행하는 디지털 헬스케어 분야 국제 학술지 ‘npj 디지털 의학’에 실렸다.
연구팀은 병원 검사만으로는 확인하기 어려운 생활 패턴 변화가 뇌혈관질환의 초기 위험 신호를 포착하는 중요한 단서가 될 수 있다는 점에 착안해 국내 IT실버케어 기업이 실제 주거 환경에서 수집한 고령자 1224명의 라이프로그 데이터를 정밀 분석했다.
연구팀은 질환이 발생한 다음 병원에서 치료하는 기존 접근에서 벗어나 14일 단위로 구성한 총 1만 3362개의 생활 데이터 표본을 분석해 일상 활동, 수면, 일주기 리듬, 실내환경 정보에 나이와 만성질환 정보를 함께 분석해 일상 속 미세한 변화만으로 뇌혈관질환 위험 단계를 조기에 포착하는 AI 기술을 개발한 것이다.
그 결과, 시간 흐름에 따라 생활 패턴 변화를 포착해 뇌혈관질환 진단이 가까워진 상태까지 평가하는 데 성공했다. 진단 전 4주 이내의 생활 데이터를 ‘진단 임박 구간’, 진단 12주 이전의 데이터를 ‘비임박 구간’으로 나눠 분석해 AI는 두 구간을 96.53%의 높은 정확도로 구분했다.
연구팀에 따르면 뇌혈관질환 진단 전 위험단계에 있는 이들은 밤 10시부터 새벽 2시 사이에도 움직임이 지속적으로 나타나는 등 수면에 돌입해야 할 시간대의 생활 리듬이 불규칙한 경향을 보였다. 잠드는 시간이 늦고 낮과 밤의 활동 차이가 뚜렷하지 않은 생활 패턴이 뇌혈관질환 전 위험 신호와 밀접하게 연관돼 있다고 연구팀은 설명했다. 또 뇌혈관질환 진단 위험이 높아질수록 저녁 시간대인 오후 6시부터 밤 10시 사이 활동량이 눈에 띄게 줄고 움직이지 않는 시간이 길어지는 경향이 확인됐다.
임리사 카이스트 교수는 “이번에 개발한 AI는 병원 진단을 대체하는 것이 아니라 집에서 나타나는 작은 생활 변화 속에서 위험 신호를 먼저 발견하고 적절한 시점에 병원 진료를 받을 것을 권장한다”며 “질환이 발생한 뒤 치료하는 기존 방식을 벗어나 예방과 조기 개입을 지원하는 의료 체계로 전환하는 데 도움을 줄 것으로 기대한다”고 말했다.
이번 연구를 수행한 정조운 성균관대 전자전기공학부 교수, 임리사 카이스트 건설및환경공학과 교수, 조경희 고려대학교 안암병원 신경과 교수, 백정엽 카이스트 응용과학연구소 박사(왼쪽부터 시계방향)
