과학자들은 AI가 심부전의 보이지 않는 징후를 어떻게 발견하는지 보여주다


Mount Sinai 연구진이 만든 특수 인공 지능(AI) 기반 컴퓨터 알고리즘은

심전도(ECG 혹은 EKG라고도 함)의 미묘한 변화를 식별해 내어

환자가 심부전을 겪고 있는지 여부를 예측하는 방법을 배울 수 있었습니다.

Hasso Plattner 디지털 연구소의 연구원인 유전 및 유전체 과학 조교수인

Benjamin S. Glicksberg 박사는 “딥러닝 알고리즘이 ECG 파형 데이터에서 심장 양쪽의

혈액 펌핑 문제를 인식할 수 있다는 것을 보여주었다” 라고 말했습니다.

이어서 “일반적으로 이러한 유형의 심장병을 진단하는 것에는 많은 비용과

시간이 들어가기 때문에 해당 알고리즘을 통해 

심부전을 더 빨리 진단할 수 있기를 바란다” 라고 대답했습니다.

이 연구는 글릭스버그 연구소와 그리스 N.Nadkarni, MD, MPH, CPH 양쪽에서 

일하는 포스트닥터 학자인 AkhilVaid씨가 주도하고 Mount Sinai 의학부장, 

디지털구동부문 책임자인 Icahn 의학부의 준교수입니다.


약 620만명의 미국인에게 영향을 미치는 심부전이나 울혈성 심부전의 경우

심장이 신체가 정상적으로 필요로 하는 것보다 적은양의 혈액을 펌프질 할 경우에

발생하고 있습니다.

수년 간 의사들은 환자가 심부전을 겪고 있는가에 대한 여부를 평가하기 위하여

심초음파라는 영상 기술을 많이 의존해 왔습니다.

도움이 되기는 하지만 일부 병원에서만 제공이 되는 노동 집약적인 조치였습니다.

하지만 최근 인공지능(AI)의 발전은 널리 사용되고 있는 전기기록장치인

심전도가 이러한 경우 빠르고 쉽게 이용이 가능한 대체 수단이 될 수 있다는 것을

시사하고 있습니다.

예를 들어서 많은 연구를 통하여 딥러닝 알고리즘이 어떻게 심장의 좌심실의 약점을

감지할 수 있는가를 보여주었습니다.

이를 통하여 새로 산소가 공급이 된 혈액을 신체의 다른 부분으로 밀어낼 수 있는지 

보여줍니다.

이번 연구를 통해 연구진들은 몸에 유입이 되는 탈산소화 된 혈액을 폐로 보내는 

좌심실 뿐만 아니라 우심실의 강도를 평가할 수 있는 알고리즘의 개발을 설명하였습니다.


NadKarni 박사는 “매력적이기는 하지만 기존에 의사가 ECG를 이용하여 

심부전을 진단하는 것은 어려웠습니다. 이것은 부분적으로 평가에 대하여 

확립된 진단기준이 없다는 점과 심전도 판독을 하는부분에 있어서 

인간의 눈으로감지하기에는 매우 어렵고  미묘한 점이 한 요인이었다” 라고 

이야기 했습니다.

해당 연구는 비교적 간단하고 널리 이용이 가능한 테스트를 사용하여 

더 나은 스크리닝 및 치료 패러다임으로 이어질 수 있는 ECG 데이터 내에 

숨겨진 정보를 찾는 흥미로운 단계를 나타낼것이라고 내다보고 있습니다.


일반적으로 심전도는 2단계의 과정을 포함합니다.

와이어리드는 환자 흉부의 다른 부분에 테이프로 붙이고 

몇분 안에 특별하게 설계가 된 휴대폰 기계가 심장의 전기 활동을 나타내는 

일련의 구불구불한 선 또는 파형을 출력합니다.

이러한 기계는 미국 전역의 대부분 병원 또는 구급차에 탑재가 되어 있기에

작동을 하는 것에 있어서 최소한의 교육이 필요합니다.


해당 연구를 위해 연구원들은 동일한 환자에게서 채취를 한 심장초음파 결과를

요약한 서면 보고서에서 추출한 데이터와 환자의 심전도를 읽어낼 수 있도록

컴퓨터를 프로그래밍 하였습니다.

해당 상황에서 서면보고서는 컴퓨터가 심전도 데이터와 비교하여 

심장이 약한 사람을 찾는 법을 배우는 표준 데이터 세트 역할을 했습니다.

자연어 처리 프로그램은 컴퓨터가 서면 보고서에서 데이터를 추출하는데

도움이 되었습니다.

반면에 이미지에서 패턴을 발견할 수 있는 특수 신경망은 알고리즘이 펌프 강도를

인식하는 방법을 학습하는데에 도움이 될 수 있도록 통합 되었습니다.


Vaid 박사는 “심장 전체를 쉽고 저렴하게 이해할 수 있는 인공지능(AI)를 개발하여

첨단 기술을 추진하고 싶었다” 라고 이야기 했습니다.

이후 컴퓨터는 2003년부터 2020년까지 15만명의 Mount Sinai 건강 시스템 환자로부터

얻은 70만명 이상의 심전도와 심초음파 보고서를 읽어냈습니다.

4개 병원의 데이터는 컴퓨터를 훈련하는 데 사용이 되었으며,

5번째 병원의 데이터는 알고리즘이 다른 실험환경에서 어떻게 수행되는지 테스트 하는데에

사용이 되었습니다.

“이 연구의 잠재적인 이점은 세계에서 가장 다양한 환자 집단 중 하나로부터

가장 큰 ECG를 모은것 중에 하나라는 것입니다” 라고 Nadkarni 박사는 말했습니다.


초기 결과는 알고리즘이 어떤 환자가 좌심실이 건강하거나 매우 약한지를 

예측하는 데 효과적임을 시사했습니다. 

여기에서 강도는 좌심실 박출률(left ventricle ejection fraction)로 정의되며, 

이는 심초음파에서 관찰된 바와 같이 각 박동에서 심실이 얼마나 많은 체액을 

펌핑하는지에 대한 추정치입니다. 

건강한 심장은 박출률이 50% 이상이고 약한 심장은 40% 이하입니다.

알고리즘은 어떤 환자가 건강한 박출률을 가지고 있는지 예측하는 데 94% 

정확하고 40% 미만의 박출률을 가진 환자를 예측하는 데 87% 정확했습니다.


그러나 알고리즘은 심장이 약간 약해진 환자를 예측하는 데 효과적이지 않았습니다. 

이 경우 프로그램은 40~50% 사이의 박출률을 가진 환자를 예측하는 정확도가 73%였습니다.

추가 결과는 알고리즘이 심전도에서 오른쪽 판막 약점을 감지하는 방법도 

학습했음을 시사했습니다. 

이 경우, 약점은 심장초음파 보고서에서 추출한 보다 설명적인 용어로 정의되었습니다.

여기에서 알고리즘은 오른쪽 판막이 약한 환자를 예측하는 데 84% 정확했습니다.


Vaid 박사는 "우리의 결과는 이 알고리즘이 결국 의사가 심장 양쪽의 부전을 올바르게 진단하는 데 도움이 될 수 있음을 시사했습니다." 라고 말했습니다.

마지막으로 추가 분석은 알고리즘이 인종과 성별에 관계없이 모든 환자에서 

심장 쇠약을 감지하는 데 효과적일 수 있음을 시사했습니다.

Glicksberg 박사는 "우리의 결과는 이 알고리즘이 임상의가 다양한 환자가 겪는 

심부전과 싸우는 데 도움이 되는 유용한 도구가 될 수 있음을 시사합니다." 라고 

덧붙였습니다.

작성자: 파워볼사이트 커뮤니티