국내 데이터로 활용 '개인 위험인자 고려한 심혈관질환 위험' 예측
향후 '치료방침과 치료목표 결정'에 중요한 기준으로 사용
이를 통해 '위험군 선별+효율적인 예방적 치료방침' 제시
조상영 교수 "예측 정확도 높은 평가도구 개발과 활용 위해 연구 지속"
강시혁 교수 "질병 위험성 정확하게 예측‥효과적인 치료법 제공"
논문, 국제 학술지 'Scientific Reports 4월호'에 게재
[보건타임즈] 인공지능 기계학습 기반의 '한국형 심혈관질환 예측모델'이 개발됐다.
분당서울대병원 순환기내과 강시혁 교수(사진 左)·창원경상대병원 순환기내과 조상영 교수(右) 연구팀은 이 모델이 국내 인구의 데이터를 바탕으로 개발된 만큼, 기존 활용돼 온 미국심장학회의 모델보다 예측 정확도가 향상된 것으로 나타났다며 이같이 공개했다.
최근 들어 개인의 위험인자를 고려해 심혈관질환 발생 위험을 예측하는 일은 치료방침과 치료목표를 정하는 데 중요한 기준으로 사용되고 있다.
대개 고혈압 환자는 140/90㎜Hg부터 혈압약을 먹지만, 심혈관질환 발생 위험이 큰 환자라면 130/80㎜Hg부터 복용을 권고하는 것이 한 예다.
하지만 기존에 사용돼 온 심혈관질환 예측모델은 인종, 성별, 그리고 지역에 따라 정확도에 차이가 있었던 데다 이 때문에 위험성을 과대평가하거나 혹은 과소평가할 수 있다는 단점이 존재해왔다.
강시혁·조상영 교수팀은 2009~2010년 국민건강보험공단 건강검진에 참여한 40세 이상 80세 미만의 성인 약 22만 명(평균연령 58.0세)의 데이터를 이용, 기계학습 기반의 ‘심혈관질환 예측모델’을 만들어냈다.
예측모델은 대상자의 나이, 성별, 수축기 혈압, 콜레스테롤 수치, 흡연 여부, 당뇨병 병력 등등 데이터를 통해 심혈관질환의 발생 위험도를 예측하는 구조로 개발됐다.
연구 대상자 22만 명에 대한 5년간의 추적관찰 동안 총 7819명(3.51%)에서 죽상동맥경화성 심혈관질환(심근경색, 뇌졸중, 말초동맥질환 등)이 발생한 사실을 확인할 수 있었다는 게 연구팀의 설명이다.
심혈관질환 위험도 예측모델들의 정확도를 분석한 결과, 이번에 개발된 모델은 1.3% 상승한 75.1%로 기존 모델에 비교해 예측 성능이 우수한 것으로 확인됐다.
기존 모델들이 대개 70~80% 사이의 예측 정확도를 보였으며 주된 비교 대상이 된 미국의 예측모델 풀드 코호트 위험 평가(PCE, pooled cohort equation) 예측 정확도는 73.8%였다.
이에 연구진은 "같은 변수를 사용했음에도 불구, 정확도가 높아지면서 오차는 감소했다는 것이 기계학습의 장점이라고 할 수 있다"며 "개개인의 위험도를 더욱 정확하게 산출할 수 있어 환자에게 개별화된 맞춤형 치료에 유리할 것"이라고 내다봤다.
조상영 교수는 "심혈관질환 예측모델을 통해 위험군을 선별할 뿐만 아니라 효율적인 예방적 치료방침을 제시해야 한다는 점이 이번 연구의 핵심"이라며 "국내 데이터로 개발된 모델의 예측력이 기존에 사용해온 모델보다 우수하다는 사실이 확인된 만큼, 정확도가 높은 평가도구의 개발과 활용을 위해 지속해서 연구해 나갈 예정"이라고 밝혔다.
강시혁 교수는 "인공지능 기계학습은 건강은 물론, 삶을 윤택하게 만드는 일도 계속해 활용될 수 있을 것"이라며 "의료 분야에 접목한 기계학습의 활용도를 넓힌다면 사람의 수고는 덜면서 질병에 대한 위험성을 정확하게 예측, 효과적인 치료법을 제공할 수 있게 될 것"이라고 평가했다.
이 연구결과를 다룬 논문은 국제 학술지 '사이언티픽 리포트(Scientific Reports) 4월호'에 게재됐다.
이 뉴스클리핑은 BKT뉴스{www.bktimes.net}에서 발췌된 내용입니다.
