KAIST, '96.5%' 정확도로 뇌혈관 질환 위험 신호 미리 찾는 AI 개발

한국과학기술원(KAIST, 총장 배충식)은 임리사 건설및환경공학과 교수 연구팀이 정조운 성균관대학교 전자전기공학부 교수, 조경희 고려대학교 안암병원 신경과 교수 연구팀과 공동으로 뇌혈관질환 진단 전 위험 단계를 식별, 진단 임박 위험 상태까지 평가하는 AI 프레임워크를 개발했다고 12일 밝혔다. 이번 연구는 리본케어가 실제 주거환경에서 장기간 수집한 고령자 1224명의 라이프로그 데이터를 바탕으로 수행됐다. 연구팀은 14일 단위로 구성한 총 1만3362개의 생활 데이터 표본을 분석해, 일상 생활 속 미세한 변화만으로 위험 신호를 조기에 포착할 가능성을 제시했다. 고령자의 일상 활동과 수면, 일주기 리듬, 실내환경 정보는 물론, 연령과 만성질환 정보를 동시 분석하는 방식이다. 특히, 시간의 흐름에 따른 생활 패턴 변화에 집중한 결과, 뇌혈관질환 진단이 가까워진 상태를 판단하는 데 성공했다. 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 구분했다고 전했다. 단순 위험 여부만 판단하는 것이 아니라, 판단의 근거가 된 생활 패턴과 환경 요인을 같이 제시하는 설명 가능한 AI에 해당한다고 설명했다. 예를 들면, 뇌혈관질환 진단 전 위험단계에 있는 고령자는 밤 10시부터 새벽 2시 사이에도 움직임이 지속적으로 나타나는 등 수면을 준비해야 할 시간대의 생활 리듬이 불규칙한 경향을 보였다. 즉, 잠드는 시간이 늦고 낮과 밤의 활동 차이가 뚜렷하지 않은 생활 패턴이 뇌혈관질환 진단 전 위험 신호과 밀접하게 관련된 것으로 나타났다. 더불어, 저녁 시간대인 오후 6시부터 밤 10시 사이 활 동량이 눈에 띄게 줄고, 움직이지 않는 시간이 길어지는 경향도 확인됐다. 실내 습도가 낮아 건조한 환경 역시 진단이 임박한 상태를 판단하는 중요한 요인으로 나타났다. 연구팀은 이번 AI 프레임워크가 고령자의 상태를 객관적으로 모니터링하고, 의료진과 돌봄 인력에게 신뢰할 수 있는 조기 경고 지표를 제공하는 ‘디지털 헬스케어’ 기술이 될 것으로 전망했다. 하지만, 혈관질환의 발생 시점을 예측하거나 병원 진단을 대체하는 것은 아니라고 강조했다. 예방과 조기 진료를 지원하기 위한 보조 기술로, 실제 임상 적용을 위해서는 더 큰 규모의 환자군을 대상으로 한 전향적 검증이 필요하다고 설명했다. 임리사 KAIST 교수는 “이번 연구의 핵심은 AI가 병원 진단을 대체하는 것이 아니라, 집에서 나타나는 작은 생활 변화 속에서 위험 신호를 먼저 발견하고 적절한 시점에 병원 진료로 연결할 가능성을 제시한 데 있다”라고 말했다. 장세민 기자 semim99@aitimes.com