뇌영상 이용 인공지능으로 자폐증 중증도 예측
뇌영상 이용 인공지능으로 자폐증 중증도 예측
  • 김준호 기자
  • 승인 2020.08.28 10:38
  • 댓글 0
이 기사를 공유합니다

A. 세브란스병원 ASD 환자의 MRI 빅데이터에서 인공지능 모델이 자폐 중증도와 관련된 뇌 주요 부위들의 연관 관계를 찾아내는 모습B. 국제컨소시엄으로 구축된 1000여 건의 자폐증 환자 MRI 빅데이터에서 인공지능 모델이 자폐 중증도와 관련된 뇌 주요 부위들의 연관 관계를 찾아내는 모습C. A와 B의 주요 부위를 3차원으로 표현한 뇌 이미지
A. 세브란스병원 ASD 환자의 MRI 빅데이터에서 인공지능 모델이 자폐 중증도와 관련된 뇌 주요 부위들의 연관 관계를 찾아내는 모습B. 국제컨소시엄으로 구축된 1000여 건의 자폐증 환자 MRI 빅데이터에서 인공지능 모델이 자폐 중증도와 관련된 뇌 주요 부위들의 연관 관계를 찾아내는 모습C. A와 B의 주요 부위를 3차원으로 표현한 뇌 이미지

뇌질환인 자폐증의 증상과 심각도를 인공지능으로 예측할 수 있게 됐다. 자폐증은 '자신의 세계에 갇혀 지내는 것 같은 상태'라고 해서 이름붙여졌다.

세브란스병원 소아정신과 천근아 교수(연세자폐증연구소장)와 KAIST 바이오및뇌공학과 이상완 교수(신경과학-인공지능 융합연구센터장) 연구팀은 뇌영상 빅데이터로 자폐 스펙트럼 장애(ASD)의 증상과 심각도를 예측할 수 있다고 국제전기전자기술자협지 IEEE 엑세스(Access)에 발표했다.

ASD는 사회적 의사소통의 결함과 제한된 관심사 및 반복적인 행동이 특징이며 국내 유병률은 약 2%다. 진단기준은  아동 행동 관찰 및 상담과 정신질환 진단분류매뉴얼(DSM-5)을 이용하는데 개인차가 심해 정확히 진단하기 어려운데다 치료경과를 예측하기 어렵다.

연구팀은 뇌영상 빅데이터를 활용한 딥러닝 모델로 자폐증의 진단과 예후를 예측해 보기로 했다. 공간 변경 네트워크(STN)와 3D 컨볼루션 신경망(CNN)을 활용한 모델에 국내 3~11세 ASD 환자 84건과 국제컨소시엄의 1천여건의 MRI 빅데이터를 학습시켰다.

이어 클래스 활성화 매핑기법을 적용하고 인자들 간의 관계분석을 강화시켜 분석한 결과, 뇌의 기저핵을 포함한 피질 하 구조가 자폐 심각도와 관련하는 것으로 확인됐다.

천 교수는 "자폐스펙트럼장애 진단에 뇌영상 자료의 활용 가치가 높은 것으로 확인됐다"면서 개별 맞춤진단과 예후 예측에 의미가 있다고 설명했다. 이 교수는 "자폐 진단에서뿐만 아니라 앞으로 의사나 관련 전문가들이 인공지능을 활용해 복잡한 질병을 이해하고 더 많이 활용할 수 있게 될 것"이라고 기대했다.


관련기사

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.