자폐 스펙트럼 장애 진단은 물론 중증도까지 예측할 수 있는 딥러닝 모델이 나와 주목된다.

공동 주의(Joint attention)를 객관적으로 정량화할 수 있다는 것을 보여준 것으로 향후 고도화를 통해 인공지능으로 상용화가 가능할지 이목이 쏠리고 있다.

현지시각으로 25일 자마 네트워크 오픈(JAMA Networkopen)에는 자폐 스펙트럼 장애를 진단하고 심각도를 평가하기 위한 공동 주의 기반 인공지능에 대한 검증 연구 결과가 게재됐다(10.1001/jamanetworkopen.2023.15174).

공동 주의, 혹은 공동 관심이라고 불리는 개념은 소아가 타인과 소통하는 상호 작용으로 가령 사물을 가리키면 이를 쳐다보는 등의 행위를 뜻한다.

자폐 스펙트럼 장애나 발달 장애 등이 있을 경우 이러한 능력이 현저하게 떨어진다는 점에서 진단의 주요 잣대로 삼고 있는 상황.

하지만 아직까지 이러한 공동 주의를 객관적으로 정량화할 수 있는 방법은 없었다. 즉, 의사의 판단에 따라 자폐 스펙트럼의 중증도 등이 정해질 수 있다는 의미다.

서울대 의과대학 홍순범 교수와 연세대 의과대학 박유랑 교수(교신저자)가 이끄는 연구진이 딥러닝을 통해 이에 대한 정량화 방법을 검토하고 나선 것도 이러한 배경 때문이다.

만약 이를 정량화해 인공지능 등으로 풀어낼 수 있다면 자폐 스펙트럼 장애 진단은 물론 중증도 등을 객관적으로 풀어낼 수 있는 이유다.

이에 따라 연구진은 공동 주의 유도 프로토콜을 사용한 비디오를 통해 딥러닝을 진행하고 이에 대한 예측 성능에 대한 연구에 들어갔다.

자폐 스펙트럼 장애를 가진 45명과 발달 장애를 가진 50명의 소아를 대상으로 이를 적용해 정확도 등을 분석한 것.

이에 대한 결과는 놀라웠다. 매우 우수한 예측 성능을 보여준 것. 실제로 분석 결과 이 딥러닝 모델은 정확도 97.6%, 정밀도 95.5%, 재현율 99.2%를 기록하며 놀라운 성능을 보여줬다.

또한 낮은 수준의 공동 주의 프로토콜에도 정확도 98.8%, 정밀도 98.9%, 재현율 99.1%를 기록했다.

연구진은 이러한 딥러닝 모델이 향후 자폐 스펙트럼 장애의 진단과 중증도를 정밀하게 분석할 수 있는 디지털 정량화에 도움이 될 것으로 기대하고 있다.

연구진은 "이번 연구는 딥러닝 모델이 자폐 스펙트럼 장애의 진단과 중증도를 예측할 수 있다는 것을 보여주며 이는 공동 주의를 디지털적으로 정량화할 수 있다는 것을 시사한다"며 "추가 검증을 위한 후속 연구를 이어갈 것"이라고 밝혔다.