국내 연구진이 머신 러닝 알고리즘을 활용한 갑상선 중독증 감별 진단법을 제시했다.

갑상선 중독증은 자가 면역으로 인해 갑상선 호르몬의 생성이 증가되는 그레이브스병, 갑상선 조직이 파괴되는 무통성 갑상선염, 아급성 갑상선염 등으로 인하여 유발될 수 있다. 특히, 가장 대표적 원인은 그레이스병으로 이는 장기간의 갑상선항진증을 유발하고 또한 재발 될 수 있기 때문에 다른 원인으로 인하여 유발되는 일시적인 갑상선 중독증과 구별하여 진단할 필요가 있다.

     ▲ 백 기현 교수                ▲ 김 진영 교수

가톨릭대학교 여의도성모병원 내분비내과 백기현 교수·김진영 임상강사 연구팀은 초기 혈액검사를 이용하여 갑상선항진증을 감별할 수 있는지를 머신 러닝 알고리즘을 활용, 이를 기존 진단법(갑상선 자가 항체 단독 결과 및 갑상선 스캔 등)과 비교 분석했다.

진단 정확도 평가를 위한 통계적 방법은, 초기 혈액검사 결과를 학습한 Model 1과 혈액검사와 자가 항체 결과 전체를 학습한 Model 2로 구분했다. 머신 러닝 알고리즘은 기존에 잘 알려진 방법 중 의사 결정 나무, 랜덤 포레스트, 서포트 벡터 머신 등 일곱 가지의 다양한 방식으로 실험되었다.

머신 러닝 알고리즘을 이용한 갑상선 항진증 감별 진단 정확도는 초기 혈액검사 결과(Model 1)만을 포함했을 때 65~70%, 자가 항체 결과(Model 2)를 포함했을 때 78~90%였다. 이는 기존 진단법을 활용한 의사의 판단과 유사한 결과를 보였는데, 이는 기존 인공지능 진단 방식이 전통적 진료 방식에 비해 열등하지 않다는 것을 보여준다.

<갑상선 중독증 감별진단에 활용된 머신 러닝 알고리즘 모식도>

김진영 임상강사(제1저자)는 “현재 대부분의 진단 분야에서 사용되는 의료 인공지능은 주로 의료 영상을 기반으로 하고 있지만, 본 연구는 숫자 값을 다룬다는 점에서 의미가 있다,”면서 “수치를 이용한 진단법은 보다 간단하고 임상 환경에서의 응용 가능성이 높을 것으로 기대된다.”고 밝혔다

백기현 교수(교신저자)는 “의료 인공지능은 임상 현장의 복잡한 의사 결정 상황에 보조 수단으로 사용될 있으며, 기술 발전이 환자에게 더 빠르고 정확한 의료 서비스를 제공하고 의료진 피로도 감소에 도움이 될 것,”이라고 밝혔다.

본 연구는 국제 학술지 ‘다이아그나스틱스(DIAGNOSTICS, IF 3.992) 2022년 6월 온라인 판에 게재됐다.