임상 정보·보행 데이터 분석…AI 모델 개발
국내 연구진이 파킨슨병 환자의 낙상 위험을 예측하는 인공지능(AI) 기술을 개발했다.
삼성서울병원의 윤진영 신경과 교수·유학제 AI 연구센터 박사 연구진은 보행 지표와 다양한 임상 데이터를 분석, 파킨슨병 환자 중 낙상 위험이 높은 환자군을 구별하는 AI 기술을 개발했다고 7일 밝혔다. 연구 결과는 네이처 계열의 파킨슨병 분야 국제학술지 'npj 파킨슨병'(npj Parkinson's Disease, IF=8.2) 최근호에 게재됐다.
파킨슨병은 운동 기능을 조절하는 뇌 신경세포가 점차 소실되는 질환이다. 질환이 진행할수록 보행 장애와 균형 저하가 심해져 환자의 60%가 낙상을 경험한다. 한 번의 낙상도 골절, 입원, 활동성 저하로 이어질 수 있어 낙상 위험 환자를 미리 파악하는 게 중요하다. 그러나 환자마다 운동·비운동 증상이 다양해 실제 낙상 위험이 높은 환자를 객관적으로 구별하는 데 어려움이 있었다.
이에 윤진영 교수 연구진은 AI를 활용한 해법을 제시했다. 연구진은 총 참여자 468명 중 데이터가 완비된 396명을 분석했다. 이 가운데 삼성서울병원 환자군 298명을 학습 데이터로 활용하고 고려대안산병원 환자군 98명을 외부 검증 데이터로 사용했다. 대상자는 낙상 이력에 따라 파킨슨병 낙상 경험군, 비경험군, 건강 대조군으로 나눴다.
분석에는 임상 평가 자료와 전자식 보행 분석 장비(GAITRite)로 측정한 보행 속도, 보폭, 걸음 패턴 등이 활용됐다. 연구진은 통계 기반 특징 선택과 중요도 기반 특징 선택의 두 가지 방법으로 주요 변수를 선별한 뒤 총 7개 머신러닝 알고리즘을 비교 평가했다.
연구진은 7개의 머신러닝 알고리즘 중 통계 기반으로 주요 변수를 선별한 엑스트라 트리 분류 모델이 가장 우수한 성능을 보였다고 밝혔다. 내부 검증 정확도는 88%, 외부 검증 정확도는 89%로 나타나 다른 기관 환자군에서도 안정적 재현 가능성을 확인했다.
AI 모델이 가장 중요하게 활용한 정보는 낙상에 대한 두려움, 보행 속도와 보폭 같은 균형 기능, 자율신경 이상이었다. 이에 대해 연구진은 "파킨슨병 환자의 낙상이 단순한 운동 증상만이 아니라 다양한 비운동 증상까지 함께 반영되는 복합적 문제임을 보여준다"고 설명했다.
윤 교수는 "여러 임상 정보와 보행 데이터를 AI가 종합 분석해 위험 환자를 보다 객관적으로 가려낼 수 있음을 보여줬다"며 "외부 검증에서도 유사한 정확도를 보여, 보다 보편적으로 사용할 수 있는 모델임을 확인했다"고 말했다.
