각성 수면 단계를 구분하는 알고리즘이 개발됐다. 뇌신경생리신호 분석에 인공지능 적용해 개발한 것으로 3명의 뇌파 전문가 분석 자료 대비 약 92%의 높은 정확도를 보인다.

분당서울대병원 소아청소년과 황희‧김헌민 교수팀과 서울공대 전기정보공학부 윤성로 교수팀은 “이번 알고리즘 개발로 체외에서 유일하게 측정 가능한 중추신경 생리신호인 뇌파 검사에 기존보다 고도화된 딥러닝 모델을 도입해 인공지능 적용 가능성을 열 수 있게 됐다”고 강조했다.

뇌파는 현재 체외에서 측정할 수 있는 유일한 중추신경계의 생리적 마커로 수면 검사 및 뇌파검사 등을 통해 다양한 신경계 질환에서 이상 반응을 측정하는 중요한 지표로 사용되고 있다.

공동 연구팀은 기존 머신러닝을 통한 뇌파분석모델보다 더 진보한 합성곱신경망(CNN; Convolutional Neural Network)과 장단기 메모리 방식(LSTM; Long-Short Term Memory)의 순환신경망을 동시에 적용한 ‘하이브리드 알고리즘’을 적용해 정확도를 높이고 인공지능 뇌파분석으로도 한걸음 더 나아간 연구결과를 내놨다. 합성곱신경망은 주로 이미지 분석에, 순환신경망은 주로 시계열 분석(시간의 경과에 따른 관측 값을 분석)에 사용된다.

218명의 건강한 소아의 정상 뇌파를 분석해 최대 3만 5천여 개의 뇌파 분석 단위에 대해 3명의 숙련된 신경과 의사가 각각 독립적으로 수면 단계를 구분했고, 서울공대 인공지능연구소에서는 이 자료를 바탕으로 다양한 종류의 데이터 조합과 프로세스를 적용해 가장 좋은 성능으로 각성 수면 단계를 자동 분석하는 알고리즘을 개발했다.

연구결과, 실제 육안으로 구별이 가장 잘 되는 각성과 제 2단계 비렘수면에 대한 분석에서 알고리즘의 정확도가 각각 96%와 92%로 높게 나타났고, 뇌파 자체와 주파수 정보를 분석 대상으로 함께 이용할 때 가장 정확도가 높았으며 분석 단위를 30초로 하고 뇌파 전체를 이용할 때 가장 알고리즘의 성능이 좋았다.

황희 교수는 “다년간의 수련과 전문성이 필요한 뇌파 분석에 인공지능을 적용하면 인적 오류를 최소화할 수 있고, 인공지능이 고도화됨에 따라 더 정확하고 상세한 분석을 시행해 뇌파 분석의 효율을 높이고 질적 수준 향상을 기대할 수 있다”고 밝혔다.