인공지능 기계학습 기반의 ‘심혈관질환 예측 모델’이 분당서울대병원 순환기내과 강시혁 교수와 창원경상대병원 순환기내과 조상영 교수 연구팀에 의해 개발됐다.

이 모델은 국내 인구 데이터를 바탕으로 개발됐기 때문에 지금까지 활용되던 미국심장학회 모델보다 예측 정확도가 향상된 것으로 알려졌다.

이러한 연구 결과는 국제학술지 <사이언티픽 리포트(Scientific Reports)> 4월호에 논문으로 게재됐다.

최근 들어 개인의 위험인자를 고려하여 심혈관질환 발생 위험을 예측하는 일은 치료방침과 치료목표를 정하는 데에 중요한 기준이 되고 있다. 가령 일반 고혈압 환자의 경우 140/90mmHg부터 혈압약을 복용하는 것이 보통이지만, 심혈관질환 발생 위험이 높은 환자라면 130/80mmHg부터 복용을 권고하는 것이 그 예다.

그러나 지금까지 사용되던 심혈관질환 예측 모델은 인종, 성별, 그리고 지역에 따라 정확도에 차이가 있었고, 이로 인해 위험성을 과대평가하거나 과소평가할 수 있다는 단점이 있었다.

강시혁ㆍ조상영 교수팀은 2009-2010년 국민건강보험공단 건강검진에 참여한 40세 이상 80세 미만의 성인 약 22만 명(평균연령 58.0세)의 데이터를 이용하여 기계학습 기반의 ‘심혈관질환 예측 모델’을 만들었다. 이 모델은 대상자의 데이터(연령, 성별, 수축기 혈압, 콜레스테롤 수치, 흡연여부, 당뇨병 병력 등)를 통해 심혈관질환의 발생 위험도를 예측하는 구조로 개발됐다.

이 연구 대상자 22만 명에 대해 5년간 추적관찰했을 때 총 7,819명(3.51%)에서 죽상동맥경화성 심혈관질환(심근경색, 뇌졸중, 말초동맥질환 등)이 발생한 사실이 확인될 수 있었다.

이어서 모델들의 정확도를 분석한 결과, 기존 모델들은 70-80% 사이의 예측 정확도를 보였다. 특히 주된 비교 대상이 된 미국의 예측 모델인 풀드 코호트 위험 평가(PCE, pooled cohort equation)의 정확도는 73.8%로 나타났다. 이에 비해 연구팀이 개발한 모델은 1.3%p 상승한 75.1%로 기존 모델에 비교해 예측 성능이 우수한 것으로 확인됐다.

이에 대해 연구팀은 “동일한 변수를 사용했음에도 불구하고 정확도는 높아지고 오차는 감소하는 것이 기계학습의 장점이다”면서 “개개인의 위험도를 더욱 정확하게 산출할 수 있어 환자에게 개별화된 맞춤형 치료에 유리할 것”으로 전망했다.

창원경상대병원 조상영 교수는 “심혈관질환 예측 모델을 통해 위험군을 선별할 뿐만 아니라 예방적 치료방침을 효율적으로 제시해야 한다는 점이 이번 연구의 핵심”이라며 “정확도가 높은 평가도구의 개발과 활용을 위해 지속적으로 연구해 나가겠다”고 말했다.

분당서울대병원 강시혁 교수는 “인공지능 기계학습은 건강은 물론, 삶을 윤택하게 만드는 일에도 계속해 활용될 수 있을 것”이라며 “의료 분야에 접목한 기계학습의 활용도를 넓힌다면 사람의 수고를 덜면서 질병에 대한 위험성을 정확하게 예측함으로써 보다 효과적인 치료법을 제공할 수 있게 될 것”이라고 밝혔다.