2026.02.05 (목)

  • 흐림동두천 0.2℃
  • 맑음강릉 5.3℃
  • 박무서울 2.2℃
  • 박무대전 0.2℃
  • 연무대구 -0.5℃
  • 연무울산 2.7℃
  • 구름많음광주 3.9℃
  • 구름많음부산 5.1℃
  • 구름많음고창 2.7℃
  • 흐림제주 8.8℃
  • 흐림강화 1.5℃
  • 흐림보은 -3.0℃
  • 흐림금산 -1.6℃
  • 구름많음강진군 0.9℃
  • 구름많음경주시 -3.1℃
  • 구름많음거제 5.5℃
기상청 제공

AI로 급성 뇌경색 환자 퇴원 시점 기능적 예후 정확히 예측

4만명 응급 뇌졸중 데이터 기반 예측 모델 개발 랜덤 포레스트 모델' 곡선하면적(AUC) 0.87의 매우 높은 예측 정확도로 가장 우수 가톨릭대학교 의정부성모병원 신경외과 오재상 교수팀

AI로 급성 뇌경색 환자 퇴원 시점 기능적 예후 정확히 예측

가톨릭대학교 의정부성모병원 신경외과 오재상 교수와 의료데이터학과 고태훈 교수 연구팀이 의료 현장의 오랜 물음에 해답을 제시하는 연구 결과를 발표했다. 인공지능(AI) 기술을 활용해 급성 뇌경색 환자의 퇴원 시점 기능적 예후를 정확히 예측하는 모델을 개발한 것이다. 뇌졸중은 시간과의 싸움이다. 급성 뇌경색 환자가 응급실에 도착하면 의료진은 신속하게 치료를 시작한다. 하지만 가족들이 가장 궁금해하는 질문에는 선뜻 답하기 어렵다. “우리 가족은 회복할 수 있을까요?”라는 질문에 대한 답은 환자마다 나이, 증상, 기저질환, 치료 반응이 모두 달라 숙련된 의료진에게도 결코 쉽지 않은 난제이기 때문이다. 오재상 교수 연구팀은 특정 병원이나 지역에 국한되지 않도록 전국 심뇌혈관질환 레지스트리에 등록된 40,586명의 대규모 데이터를 분석하여 연구의 신뢰성을 확보했다. ▲의정부성모병원 신경외과 오재상 교수 분석 결과, 뇌졸중 환자의 양호한 회복을 결정짓는 핵심 인자로 ▲젊은 나이 ▲낮은 초기 신경학적 손상 점수(NIHSS) ▲기계적 혈전제거술 시행 ▲재활 치료 여부 등 4가지가 유의미하게 확인되었다. 특히 이번 연구는 랜덤 포레스트(Random Forest), 서포트 벡터 머신, 로지스틱 회귀 등 세 가지 기계학습 모델을 비교 분석했으며, 그중 랜덤 포레스트 모델이 곡선하면적(AUC) 0.87이라는 매우 높은 예측 정확도를 기록하며 가장 우수한 성능을 보였다. 이번 연구의 가장 큰 특징은 단순히 기계적인 임상 데이터뿐만 아니라, 현장 의료진의 직관적인 판단까지 모델에 반영했다는 점이다. 오재상 교수는 “실제 환자를 치료하는 의사의 경험과 판단은 어떤 데이터로도 대체하기 어려운 가치가 있다”며 “이를 AI 모델에 통합함으로써 실제 응급 상황에서 즉각 활용할 수 있는 실용적인 도구를 만들고자 했다”고 강조했다. 연구팀은 향후 이 예측 모델을 오픈 소스로 공개하여 전국 의료기관에서 별도의 비용 부담 없이 활용할 수 있도록 할 계획이다. 이를 통해 의료진은 응급실 도착 직후 환자 맞춤형 치료 계획을 수립할 수 있으며, 환자 가족들에게는 객관적인 근거에 기반한 명확한 설명을 제공할 수 있을 것으로 기대된다. 이번 연구 성과는 세계적 권위의 국제 학술지 ‘사이언티픽 리포트(Scientific Reports)’에 게재되며 뇌졸중 치료 분야에서 AI 활용의 새로운 가능성을 제시했다는 평가를 받고 있다. 그동안 경기 북부의 응급 의료 현장을 쉼 없이 지켜온 오재상 교수는 현재 미국에서 선진 의학 연수 중이다. 오 교수는 복귀 후, 현재 신경외과 김영우 교수가 책임 전문의로서 이끌고 있는 ‘경기 북부 및 서울 동북부 중증·응급 심뇌혈관질환 진료협력 네트워크 시범사업’에 다시 합류하여, 영상의학과 원유동 교수, 신경과 이시백 교수와 함께 24시간 환자들에게 최적의 치료를 제공하는 지역 사회의 생명 안전망 역할을 이어갈 예정이다.

AI로 뇌전증 환자 발작 경과 5가지 유형 도출

발작이 빠르게 소실되는 경우부터 치료에도 지속되는 경우까지 장기 유형 경과 확인 뇌파 검사와 뇌 MRI 소견, 뇌전증의 원인 등에서 뚜렷한 임상적 차이 확인 서울대병원 신경과 박경일·이상건 교수, 융합의학과 김영곤 교수 이대목동병원 황성은 교수 연구팀

AI로 뇌전증 환자 발작 경과 5가지 유형 도출

서울대병원 연구팀이 인공지능(AI)을 활용해 뇌전증 환자의 발작 빈도 변화를 장기간 분석한 결과, 발작이 빠르게 소실되는 경우부터 치료에도 지속되는 경우까지 서로 다른 다섯 가지 장기 경과 유형이 확인됐다. 이들 경과 유형은 뇌파 검사와 뇌 MRI 소견, 뇌전증의 원인 등에서 뚜렷한 차이를 보였으며, 발병 나이와 질환 지속 기간, 일부 혈액 검사 수치 등 초기 진료 정보와도 연관성을 나타냈다. 서울대병원 신경과 박경일·이상건 교수, 융합의학과 김영곤 교수 및 이대목동병원 황성은 교수로 구성된 공동 연구팀은 2008년부터 2020년까지 뇌전증 클리닉에 처음 내원한 환자 2,586명을 대상으로 임상 양상과 발작 경과를 약 7.6년간 추적한 대규모 코호트 ▲(왼쪽부터) 서울대병원 신경과 박경일·이상건 교수, 데이터를 분석해 이 같은 결과를 확인했다고 4일 밝혔다. 융합의학과 김영곤 교수, 이대목동병원 신경과 황성은 교수 뇌전증은 뇌 신경세포의 전기 신호 이상으로 반복적인 발작이 나타나는 만성 신경질환으로, 환자마다 치료 반응과 장기 경과가 크게 다르다. 약물 치료로 발작이 조절되는 환자도 있지만, 치료 이후에도 발작이 지속되는 경우가 적지 않다. 기존에는 발작 유형이나 원인을 중심으로 환자를 분류해 왔으나, 이러한 기준만으로는 환자별 장기 발작 경과의 차이를 충분히 설명하기 어려웠다. 연구팀은 발병 나이와 뇌전증 지속 기간, 발작 횟수, 치료 이력 등 임상 정보와 혈액 검사, 뇌파 검사(EEG), 뇌 MRI 결과 등 총 84개 변수를 인공지능 분석에 활용했다. 이 인공지능은 발작의 유무를 단순히 구분하는 대신, 발작 빈도가 시간에 따라 어떻게 변화했는지를 기준으로 환자들의 장기 경과를 비교했다. 이를 통해 발작 감소 시점과 속도, 지속 여부가 유사한 환자들을 자동으로 묶어 장기 발작 경과 유형을 분류했다. 이어 이렇게 도출된 각 환자군이 뇌파 검사와 뇌 MRI 소견, 뇌전증의 원인에서 서로 다른 임상적 특성을 보이는지를 비교 분석해, 이들 군집이 실제 장기 발작 경과의 차이를 반영하는지를 확인했다. 장기 추적 데이터를 분석한 결과, 전체 환자의 66.1%는 추적 관찰 마지막 1년 동안 발작이 없는 상태로 확인됐다. 발병 나이가 높고 질환 지속 기간이 짧을수록 발작이 조절될 가능성이 높은 경향을 보였으며, 혈액 응고 과정과 관련된 단백질인 피브리노겐 수치도 장기 발작 경과와 의미 있는 연관성을 보였다. 이어 인공지능 기반 군집 분석을 적용한 결과, 발작이 소실되는 경과를 보인 세 개 환자군과 치료 이후에도 발작이 지속된 두 개 환자군이 확인됐다. 발작 관해군 가운데 ‘신속 관해군’에서는 면역·감염과 연관된 뇌전증이 상대적으로 많이 포함됐으며, ‘저발작빈도-지연관해군’에서는 뇌파 검사에서 전반적인 서파가 관찰되고 뇌 MRI에서 뇌연화증이 동반된 경우가 많았다. ‘중발작빈도-지연관해군’은 전반뇌전증의 임상적 특성이 두드러졌다. 반면 발작 지속군에서는 서로 다른 양상이 나타났다. ‘부분 반응군’에서는 국소 극서파나 불규칙 서파와 같은 국소적 뇌파 이상과 뇌종양이 연관된 경우가 많았고, ‘지속 난치성군’에서는 해마경화증이 동반된 환자가 많았으며, 남성 환자와 긴 이환 기간이 특징적으로 관찰됐다. 이번 연구는 뇌영상이나 뇌파 소견 중심의 기존 분류에서 나아가, 다양한 임상 정보를 인공지능이 통합 분석해 발작의 장기 경과를 시간적 변화 패턴으로 구분했다는 점에서 의미가 있다. 특히 사전 임상 분류를 설정하지 않고 비지도 학습을 적용함으로써, 환자들의 장기 발작 경과가 실제로 서로 다른 유형으로 나타난다는 점을 데이터로 확인했다. 박경일 교수(서울대병원 신경과)는 “이번 연구는 인공지능을 활용해 뇌전증 환자의 발작 경과를 시간의 흐름 속에서 분석하고, 동일한 진단명 아래에서도 서로 다른 장기 경과가 존재함을 보여준 결과”라며 “뇌전증 환자의 임상 경과를 이해하는 데 참고가 될 수 있는 분석 틀을 제시했다”고 말했다. 한편, 이번 연구 결과는 국제학술지 ‘사이언티픽 리포트(Scientific Reports)’ 최근호에 게재됐다. 그림1] 뇌전증 환자의 발작 경과에 따른 군집 분포. 인공지능 분석으로 발작 경과가 유사한 환자들이 다섯 개 군집으로 구분됐다. [그림2] 군집별 시간에 따른 발작 빈도 변화. 각 군집은 추적 관찰 기간 동안 서로 다른 발작 빈도 변화 양상을 보였다.

AI 학습모델 활용 단백질 변형 정밀 검출 기술 개발

몸 속 단백질 변형을 분자 수준에서 발굴‧검증하는 AI 모델 예측 기반 기술 적은 데이터로도 희귀 단백질 변형의 분석이 가능해 신약 개발 등에 활용 가능 한국과학기술연구원(KIST, 원장 오상록) 화학생명융합연구센터 이철주 박사 연구팀

AI 학습모델 활용 단백질 변형 정밀 검출 기술 개발

암과 같은 난치성 질환은 세포 내부에서 일어나는 미세한 변화에서 시작되는 경우가 많아 정확한 원인을 규명하는 데 어려움이 따른다. 세포가 스트레스를 받을 때 나타나는 단백질의 미세한 변형은 질병과 밀접하지만, 기존 기술로는 이를 정확히 구분하기 어려운 것들이 많다. 이로 인해 질병의 근본 원인을 분자 수준에서 추적할 수 있는 새로운 분석 기술에 대한 요구가 커지고 있다. 한국과학기술연구원(KIST, 원장 오상록) 화학생명융합연구센터 이철주 박사 연구팀은 인공지능(AI) 학습모델을 활용해 기존에는 분석이 어려웠던 특이 단백질 변형을 정밀하게 찾아내는 기술을 개발했다고 밝혔다. 이번 기술은 세포 스트레스 반응 과정에서 극히 드물게 나타나는 단백질 변형을 가짜 신호와 구분해 정확히 검출할 수 있는 것이 특징이다. ▲KIST 이철주 박사 연구팀이 주목한 ‘아르기닐화’는 단백질에 특정 아미노산이 붙어 단백질을 분해하거나 기능을 조절하는 신호로, 이 과정에 이상이 생기면 신경세포 손상이나 암 발생 등으로 이어질 수 있다. 그러나 아르기닐화 신호는 생체 내 존재량이 매우 적고 가짜 신호와 특성이 비슷해 기존 분석 기술로는 실제 신호를 구분하기 어려웠다. 연구팀은 이를 해결하기 위해 진짜와 매우 유사한 가짜 신호를 AI에 먼저 학습시키는 새로운 분석 방식을 도입했다. 그 결과, 기존 분석에서 검출되던 신호의 약 90%에 해당하는 가짜 신호를 제거하고 총 134개의 실제 아르기닐화 변형 위치를 규명하는 데 성공했다. 또한, 전이학습 기법을 적용해 소량의 데이터로도 희귀한 단백질 변형을 정밀하게 분석할 수 있음을 입증했다. 이 기술을 스트레스 환경의 세포에 적용한 분석에서 세포의 에너지 생산에 관여하는 단백질 중 일부에서 아르기닐화 변형이 확인됐다. 이는 암세포의 성장과 관련된 대사 과정을 새롭게 이해하는 데 도움이 될 수 있는 가능성을 보여준다. 이번 기술은 단백질 변형의 발굴부터 1차 검증까지를 하나의 AI 분석 체계로 구현해 신약 개발과 바이오 연구 현장에서 연구 비용과 시간을 크게 줄일 수 있다. 환자의 혈액이나 조직 분석에 적용될 경우, 질병 관련 단백질 변화를 보다 빠르고 정확하게 포착해 조기 진단과 정밀 의료 연구의 기반 기술로 활용될 가능성이 크다. KIST 이철주 박사는 “AI의 발전 과정을 지켜보며 기존 연구에서 한계로 남아 있던 부분에 과감하게 AI를 도입한 연구 성과”라며, “순수 국내 연구 기반으로 세계 최고 수준의 AI 기반 단백체 분석 원천 기술을 확보한 만큼 AI를 활용한 단백체 분석 연구의 확장에 기여하겠다”라고 말했다. 본 연구는 과학기술정보통신부(장관 배경훈)의 지원을 받아 KIST 주요사업 및 개인기초연구사업(RS-2023-00279134), 바이오 연구데이터 활용기반조성사업(RS-2022-NR068428) 등으로 수행됐다. 이번 연구 성과는 국제 학술지 「Nature Communications」 (IF 15.7, JCR 분야 상위 7.0%)에 게재됐다. ▲[그림 1] AI 기반 수식화 단백체 발굴 기술 개발 연구의 개요 ▲[그림 2] 세포 스트레스 환경에서의 수식화 변화 및 미토콘드리아 표적 규명 ▲[그림 3] AI 예측 모델 기반의 표적 단백질체 정밀 분석 및 시계열 변화 관측

혈관 구멍 막고 지혈 속도 높이는 혈관폐쇄장치 개발

혈소판 응집 기술적으로 유도해 지혈 효율 높인다 혈관 조직 재생 정도 실로 꿰매는 봉합 수준 유사 연세대 의과대학 연구팀

혈관 구멍 막고 지혈 속도 높이는 혈관폐쇄장치 개발

혈관 구멍을 안정하게 막고 혈류를 조절해 지혈을 촉진하는 차세대 기기가 개발됐다. 연세대 의과대학 의학공학교실 성학준 교수, 의생명과학부 조성우 교수, 세브란스병원 심장혈관외과 주현철 교수, 심장내과 하현수 강사, 의학공학교실 이상민 학생 연구팀은 혈관 시술시 흔하게 발생하는 구멍을 자동적으로 막고 지혈 속도를 높이는 혈관폐쇄장치를 만들었다고 4일에 밝혔다. 이번 연구 결과는 국제학술지 ‘바이오액티브 머티리얼즈(Bioactive Materials, IF 20.3)’에 게재됐다. 심혈관 질환을 치료하는 시술 대부분은 혈관 속에 가는 관(카테터)을 넣는 방식이다. 이때 혈관 벽에는 구멍이 생기고, 이를 제대로 막지 못하면 출혈 등 심각한 후유증이 발생한다. 이러한 구멍을 막기 위해서는 혈관폐쇄장치를 사용한다. 현재 혈관폐쇄장치는 시술자 숙련도에 크게 의존하고, 처음에 장치를 잘못 설치하면 다시 놓기가 어렵다. 직경이 큰 구멍일수록 안정성도 떨어진다. 혈관은 혈액이 흐르는 통로일 뿐 아니라 혈류의 압력 등 흐름 패턴을 전반적으로 조절한다. 구멍을 막는 기술은 단순한 지혈을 넘어 건강한 혈류 유지와 혈관 구조 안정성까지 고려해야 한다. 연구팀은 혈관 외부에서 구멍을 물리적으로 막을 수 있는 동시에 내부에서는 혈류를 조절해 지혈을 촉진하는 ‘혈관벽플러그(vascular wall plug, VWP)’를 개발했다. 이번에 개발한 장치에는 형상기억고분자를 이용했다. 형상기억고분자는 체온에서 스스로 혈관 구멍을 감싸며 펼쳐져 강하게 밀봉한다. 구멍에 맞게 고정되기 때문에 의료진의 숙련도가 부족하더라도 안정적인 시술이 가능하다. 또 구멍 속으로 들어가는 부분에는 곡선형 날개를 설치해 지혈을 촉진하게 만들었다. 혈소판들이 장치에 부딪히며 서로 엉겨 붙어 혈소판 마개를 빠르게 형성하는 원리다. 연구팀은 돼지의 흉부 대동맥에 낸 6mm 크기의 큰 구멍에 혈관벽플러그를 설치해 효과를 분석했다. 시술 한달 뒤 확인한 조직검사 결과, 혈관 조직 재생 정도가 기존 실로 꿰매는 봉합과 유사한 수준을 보였다. 성학준 교수는 “이번에 개발한 기기는 단순히 구멍을 물리적으로 틀어막는 것에서 벗어나, 우리 몸의 생체 반응인 혈소판 응집을 기술적으로 유도해 지혈 효율을 높인다”며 “지혈기구의 효과를 실제 사람의 대퇴동맥을 모사한 대형 동물실험을 통해 혈관을 실로 꿰매는 수술 방식과 지혈 효과와 조직학적 혈관 회복에도 차이가 없음을 확인했다”고 말했다. ▲[그림] 연구팀이 개발한 혈관벽플러그 개요



병의원

더보기




건강강좌

더보기
당뇨병, 연령 가리지 않는다, 일상 속 예방과 관리
당뇨병은 흔히 중장년층의 질환으로 인식되지만, 최근에는 성인에서 제1형 당뇨병이 새롭게 진단되거나 젊은 연령층 환자가 늘어나는 등 발병 양상에 변화가 나타나고 있다. 당뇨병의 유형부터 증상, 관리와 예방법까지 서울대병원 내분비대사내과 곽수헌 교수와 함께 알아봤다. 1. 당뇨병이란? 당뇨병은 혈액 속 포도당 수치가 정상보다 높은 상태가 지속되는 만성질환으로, 제1형·제2형·임신성 당뇨병 등으로 구분된다. 제1형 당뇨병은 인슐린을 만드는 췌장 베타세포가 파괴돼 인슐린 분비가 거의 이뤄지지 않는 질환으로, 주로 소아·청소년기에 발생하지만, 최근에는 성인에서 진단되는 사례도 증가하고 있다. 제2형 당뇨병은 인슐린 분비가 부족하거나 인슐린이 제대로 작용하지 않는 것이 특징으로, 생활 습관과 환경, 유전적 요인이 복합적으로 작용해 발생한다. ▲서울대병원 내분비대사내과 곽수헌 교수 임신성 당뇨병은 임신 중 호르몬 변화로 혈당이 일시적으로 상승하는 경우로, 출산 후 대부분 정상으로 회복되지만, 일부는 제2형 당뇨병으로 이어질 수 있어 추적 관찰이 필요하다. 국내 당뇨병 환자의 대부분은 제2형 당뇨병이며, 제1형 당뇨병은 전체의 2% 미만이다. 2. 위험인자와 발병 특징 당

제약

더보기

인터뷰

더보기

배너

단체

더보기

메디컬디바이스

더보기

정책

더보기

배너

배너

배너
배너
배너
배너
배너
배너
배너
배너
배너
배너
배너
배너
배너

배너