고령자의 일상생활 데이터를 통해 미세한 변화만으로 뇌혈관질환을 조기 감지하는 AI 기술이 국내에서 나왔다.
KAIST(카이스트)는 임리사 건설및환경공학과 교수 연구팀이 정조운 성균관대 전자전기공학부 교수·조경희 고려대 안암병원 신경과 교수 연구팀과 공동으로 고령자의 뇌혈관질환 진단 전 위험단계를 식별하고 진단이 임박한 위험 상태까지 평가하는 AI 프레임워크를 개발했다고 12일 밝혔다. 연구 성과는 국제 학술지 'npj 디지털 메디슨'(npj Digital Medicine)에 지난달 2일 실렸다.
이번 연구는 시니어 돌봄 전문 ICT 기업 리본케어가 실제 고령자의 주거환경에서 수집한 1224명의 라이프로그 데이터를 기반으로 수행됐다. 연구팀은 14일 단위로 구성된 1만3362개 생활 데이터 표본을 분석했다. 일상 활동, 수면, 일주기 리듬, 실내 환경 정보 등이 담겼다.
뇌혈관질환 진단 전 4주 이내의 생활 데이터를 '진단 임박 구간', 진단 12주 이전의 데이터를 '비임박 구간'으로 나눠 분석한 결과 AI는 두 구간을 96.53%의 높은 정확도로 구분했다.
아울러 AI는 '설명 가능한 AI'로 개발됐다. AI가 단순히 위험 여부만 판단하는 게 아니라, 판단의 근거가 된 생활 패턴과 환경 요인을 함께 제시하는 것이다.
분석 결과 뇌혈관질환 진단 전 위험 단계에 있는 고령자는 밤 10시부터 새벽 2시 사이에도 계속해서 움직임을 보였다. 수면을 준비해야 할 시간대의 생활 리듬이 불규칙한 것이다. 잠드는 시간이 늦고 낮과 밤의 활동 차이가 뚜렷하지 않은 생활 패턴은 뇌혈관질환 진단 전 위험 신호와 밀접하게 관련 있었다.
또 뇌혈관질환 진단이 가까워질수록 저녁 시간대인 오후 6시부터 밤 10시 사이 활동량이 눈에 띄게 줄고, 움직이지 않는 시간이 길어졌다. 실내 습도가 낮아 건조한 환경 역시 진단이 임박한 상태를 판단할 수 있는 중요한 요인으로 나타났다.
연구팀은 "자신의 건강 상태를 정확히 설명하기 어려운 고령자의 상태를 객관적으로 모니터링하고, 의료진과 돌봄 인력에게 신뢰할 수 있는 조기 경고 지표를 제공하는 디지털 헬스 기술로 활용할 수 있을 것"이라고 전망했다.
다만 연구팀은 "이번 연구는 뇌혈관질환의 발생 시점을 예측하거나 병원 진단을 대체하는 것이 아닌, 예방과 조기 진료를 지원하는 보조 기술"이라고 강조했다. 그러면서 "실제 임상 적용을 위해서는 더 큰 규모의 환자군을 대상으로 한 전향적 검증이 필요하다"고 덧붙였다.