신생아 장천공은 괴사성 장염 등으로 인해 장에 구멍이 생겨 생명까지 위협하는 치명적인 질환이다. 진단을 위해 엑스레이 검사로 복강 내 공기가 차 있는지 확인하는데, 영상에서 장천공 소견이 뚜렷하게 나타나지 않아 정확한 판독이 쉽지 않았다.

 

서울아산병원 영상의학과 윤희망, 융합의학과 김남국, 신생아과 이병섭 교수팀은 인공지능으로 신생아 엑스레이 영상을 분석해 장천공 여부를 판별하고 병변 위치까지 찾아내는 인공지능 판독 모델을 개발했다고 최근 밝혔다.

 

▲(왼쪽부터) 서울아산병원 영상의학과 윤희망,

    융합의학과 김남국, 신생아과 이병섭 교수

 

신생아 장천공 인공지능 판독 모델은 내부 검증 정확도 94.9%, 외부 검증 정확도 84.1%의 높은 성능을 보였다. 특히 신생아 장천공을 조기에 판별한다는 점에서 신생아 생존율 개선에 기여할 것으로 기대된다.

 

미숙아에게 주로 발생하는 장천공은 진단이 늦어지면 합병증 혹은 사망으로까지 이어질 수 있다. 그러나 신생아중환자실 특성상 영상의학과 전문의가 즉시 판독하기 어려운 경우가 많아 오진이나 진단 지연으로 이어질 위험이 컸다.

 

또한 기존의 인공지능 판독 모델은 성인 데이터를 기준으로 개발되어 체구, 엑스레이 촬영 자세, 판독 소견 등 성인과 차이가 큰 신생아에게 적용하기 어렵다는 한계가 있었다.

 

이에 연구팀은 신생아 엑스레이 영상을 이용해 장천공 여부를 분류하면서 복강 내 공기가 차 있는 영역까지 함께 학습해서 표시해 주는 딥 멀티태스크 학습 모델을 개발했다.

 

1995년 1월부터 2018년 8월까지의 서울아산병원 소아 엑스레이 영상 약 260만 건을 수집했고, 최종적으로 장천공 영상 294건과 대조군 영상 252건을 선별해 학습시켰다.

 

연구팀은 환자마다 다르게 나타나는 장천공 영상 패턴을 효과적으로 학습시키기 위해 데이터 증강 기술을 적용하여, 인공지능 모델이 다양한 장천공 양상과 병변 위치를 동시에 파악할 수 있도록 했다.

 

임상적 유용성을 검증하기 위해 국내 11개 병원에서 영상 6만 4천 건을 외부 검증용 데이터로 확보했다. 이 중 장천공 영상 164건과 대조군 영상 214건을 선별해 내부와 다기관 외부 검증을 진행했다.

 

내부 검증을 진행한 결과, 장천공 인공지능 판독 모델은 진단 정확도 94.9%를 기록하며 복강 내 공기가 차 있는 영역까지 정확히 식별했다.

 

외부 데이터를 통해 검증했을 때에도 진단 정확도 84.1%를 기록하며 전문의와 유사한 수준을 보였다. 의료진이 인공지능 판독 모델을 사용했을 때의 보조 효과도 평가한 결과, 진단 정확도가 82.5%에서 86.6%로 개선됐다. 특히 판독자 간 일치도가 71%에서 86%로 큰 폭으로 향상됐다.

 

윤희망 서울아산병원 영상의학과 교수는 “신생아 장천공은 응급도가 높아 신속한 진단이 무엇보다 중요하지만 영상 소견이 모호하고 성인과는 다른 양상을 보여 판독의 경험에 따라 진단율이 크게 좌우된다. 신생아 장천공 인공지능 판독 모델은 전문의 수준의 정확도를 입증했을 뿐만 아니라 의료진 간 판독 일치도 역시 향상한 것으로 확인됐다”고 설명했다.

 

김남국 서울아산병원 융합의학과 교수는 “신생아 장천공과 같이 임상 현장에서 꼭 필요하지만 아직 연구가 부족한 기술 개발에 집중하고 있다. 신속한 판단이 요구되는 신생아 중환자실에서 조기 진단을 도울 수 있는 다양한 모델을 개발하고 적용해 신생아 생존율을 향상하는 데 기여하겠다”고 말했다.

 

이번 연구 결과는 생체의학분야에서 저명한 국제학술지 ‘컴퓨터 의학 및 생물학(Computers in Biology and Medicine, 피인용지수 6.3)’ 최신호에 게재됐다.

 

▲신생아 장천공 인공지능 판독 모델은 복강 내 공기가 차 있는 영역 등을 정확히 식별하며 장천공 여부를 판별했다.