메디칼타임즈=이인복 기자영유아 검진 결과 등 최소한의 의료 기록만으로 2살 미만의 어린 아기의 자폐 위험을 예측하는 인공지능(AI) 모델이 나와 주목된다.현재 지속적인 체크리스트 점검과 평가 척도 적용 등 복잡한 과정을 거치지 않고 조기 진단의 가능성을 높였다는 점에서 상용화 가능성에 기대가 모아지고 있다.영유아 검진 등 기본적 의료 정보만으로 자폐 위험을 예측하는 인공지능 모델이 나왔다.현지시각으로 20일 미국의사협회지(JAMA)에는 자폐 스펙트럼 장애(ASD) 조기 진단을 위한 인공지능 모델의 검증 연구 결과가 공개됐다(10.1001/jamanetworkopen.2024.29229).자폐 스펙트럼 장애는 의사소통과 사회적 상호작용에 어려움을 동반하는 신경 발달 장애로 유병률은 1%대를 기록하고 있다.문제는 평균 진단 연령이 60.48개월로 아이가 5~6살이 되어서야 진단이 가능하다는 것. 조기 개입할 수 있는 연령을 놓칠 가능성이 높다는 의미다.이는 복잡한 진단 도구에 기인한다. 현재 영유아의 자폐증 진단을 위해서는 체크리스트(M-CHAT-R/F)는 물론 부모의 발달 상태 평가, 자폐층 평가 척도 등의 선별 도구를 활용하기 때문이다.특히 이러한 도구는 대부분 영문을 기반으로 하고 있다는 점에서 인종, 국가별 차이가 나타나며 부모의 발달 상태 평가도 주관적 요소가 많다는 점에서 한계가 있었다.카롤린스카 연구소 크리스티나 타미미에스(Kristiina Tammimies) 교수가 이끄는 연구진이 머신러닝을 기반으로 하는 예측 모델 개발에 나선 것도 이러한 이유 때문이다.만약 자폐 스펙트럼 장애에 나타나는 예측 요인을 인공지능에게 학습시킬 수 있다면 빠르고 정확하게 조기 진단이 가능할 수 있다는 판단에서다.이에 따라 연구진은 미국 26개주에서 31개 대학병원을 찾은 3만 660명의 영유아들의 데이터를 기반으로 일반화 가능한 머신러닝 예측 모델을 개발했다. XGBoost 방식을 활용한 오토메드에이아이(AutMedAI)가 바로 그것이다.또한 이 모델을 1만 4790명의 참여자로 구성된 독립적인 데이터 세트를 통해 검증 연구를 진행했다. 대상은 2세 미만의 영아들이었다.그 결과 이 인공지능 모델은 수신자조작특성 곡선하면적(AUROC)가 0.895로 매우 높은 정확도를 나타냈다.AUROC는 인공지능 성능 평가의 대표적인 지표로 1에 가까울 수록 정확도가 높다는 것을 의미한다.또한 민감도 80.5%, 특이도 82%로 강력한 성능을 기록했다. 이를 통해 독립 코호트 데이터에 대한 검증에서도 AUROC는 0.790으로 범용 가능성을 입증했다.특히 연구진은 이러한 인공지능 모델 검증이 영유아 검진 등 기존에 이미 확보돼 있는 의료 기록 등만으로 이뤄졌다는 점에 의미를 두고 있다.다른 평가 척도나 도구를 활용하지 않아도 이미 병의원에 보관돼 있는 데이터만으로도 80%의 정확도로 자폐 위험을 예측할 수 있다는 의미가 되기 때문이다.크리스티나 교수는 "자폐 스펙트럼 장애의 경우 조기 진단과 개입이 예후를 크게 바꿀 수 있으며 궁극적으로 삶의 질을 크게 향상시킬 수 있다"며 "그러한 의미에서 다른 평가 도구 없이 최소한의 의료 정보만으로 자폐 위험을 80% 정확도로 예측할 수 있다는 것은 매우 의미있는 일"이라고 설명했다.그는 이어 "특히 이번 연구가 2세 미만의 영아들을 대상으로 진행됐다는 점을 주목해야 한다"며 "매우 제한적인 정보만으로 조기 진단이 가능하다는 것을 보여준 것"이라고 밝혔다.

메디칼타임즈=이인복 기자혀의 색깔을 컴퓨터에 보여주는 것만으로 다양한 질병을 진단하고 예측하는 의료 인공지능(AI) 모델이 나와 학계의 주목을 받고 있다.특히 훈련모델 테스트에서 이 인공지능 모델은 당뇨병과 빈혈 등 다양한 질환을 98%의 정확도로 진단했다는 점에서 상용화 기대감을 높이고 있다.혀의 색깔 등으로 질병을 진단하는 인공지능이 나와 주목된다.현지시각으로 13일 국제학술지 테크놀로지스(Technologies)에는 혀 색깔을 통해 질병을 진단하는 인공지능 모델의 검증 연구 결과가 게재됐다(10.3390/technologies12070097).현재 혀를 통해 질병을 진단하는 인공지능 모델은 전 세계에서 다양한 연구가 이뤄지고 있다.혀의 색깔은 물론 모양과 두께, 심지어 열화상 카메라를 이용한 온도 변화를 통해 질병을 진단하는 모델들이 속속 검증을 받고 있는 상황.대부분은 당뇨병이 타깃으로 혈당이 높아지면 혀 색깔이 변한다는 점에 착안하고 있다.이라크 미들 테크놀로지 대학Middle Technical University) 알리 알 나지(Ali Al-Naji) 교수가 이끄는 다국가 연구진이 이에 주목한 배경도 여기에 있다.만약 당뇨병을 비롯해 다양한 질병을 가진 사람의 혀의 변화를 특정하고 이를 인공지능에게 학습시킬 수 있다면 매우 간단하고 비침습적인 진단 보조 도구를 만들 수 있다는 판단에서다.이에 따라 연구진은 혀의 색깔이 들어간 5260개의 데이터 세트를 인공지능 모델에 학습시켰다.5가지 색상 공간 모델(RGB, YcbCr, HSV, LAB 및 YIQ)에서 다양한 색상 채도와 다양한 조명 조건에서 혀 색상 특징을 분석하고 추출하는 모델을 개발한 셈이다.이후 연구진은 60장의 혀 이미지를 통해 이에 대한 검증에 들어갔다. 대상 질환은 당뇨병과 뇌졸중, 빈혈, 천식, 간 질환 및 코로나 감염 등이었다.그 결과 이 인공지능 모델은 혀의 노란빛을 감지해 당뇨병 환자를 정확히 걸러내는데 성공했다. 또한 천식 환자에게서 나타나는 푸른빛을 감지해 천식 환자도 구분했다.빈혈 환자 또한 매우 높은 정확도로 걸러내는데 성공했다. 이때 인공지능은 빈혈 환자의 혀에서 흰색빛을 감지했다.이러한 작업에는 6가지 머신 러닝 알고리즘에 활용됐다. NB와 SVM, KNN, DT, RF, XGBoost가 바로 그것이다.테스트 결과 정확도가 가장 높은 것은  XGBoost로 98.71%의 정확도로 혀 색깔을 이용해 환자가 앓고 있는 병을 진단하는데 성공했다. 가장 낮은 정확도를 보인 것은 NB 알고리즘으로 91.43%를 기록했다.이에 따라 연구진은 XGBoost 모델을 핵심으로 5가지 머신 러닝 알고리즘을 통해 이를 보조하는 시스템을 구축하고 보다 더 많은 데이터를 통해 상용화 가능성을 타진할 계획이다.알리 알 나지 교수는 "이 모델을 더욱 고도화시킨다면 스마트폰 등을 통해 혀를 찍는 것만으로 질병을 의심하는 시스템을 구축할 수 있을 것"이라며 "이번 연구를 통해 이에 대한 가능성을 충분히 입증했다"고 설명했다.이어 그는 "혀의 색깔과 모양, 두께만으로 다양한 질병 예측에 있어 98%의 정확도를 보였다는 것은 매우 고무적인 일"이라며 "조만간 어플리케이션 형태로 환자들에게 선보일 수 있기를 기대한다"고 밝혔다.