AI로 초기 뇌경색 잡는다… 제이엘케이, 세계 최대 MRI 기반 검출 모델 성능 공개

DWI 영상 기반 딥러닝 모델, 응급실 내 민감도 99% 확인

확산강조영상(DWI)을 기반으로 급성 뇌경색을 조기 진단하는 인공지능(AI) 기술이 실제 응급의료 현장에서 활용 가능성을 보였다는 연구 결과가 발표됐다. 확산강조영상(Diffusion-Weighted Imaging, DWI)은 뇌 조직 내 물 분자의 움직임을 민감하게 포착해 뇌경색을 조기에 진단할 수 있는 MRI 기법이다.

뇌졸중 AI 전문 기업 제이엘케이(대표 김동민)는 자사 연구진이 주도한 확산강조영상(DWI) 활용 급성 뇌경색 검출 성능 검증 연구 결과를 20일 공개했다.

이번 연구는 국내 10개 대학병원에서 수집한 1만 건이 넘는 MRI DWI 영상 데이터를 기반으로 수행돼 단일 질환 및 단일 영상 부문에서 세계 최대 규모의 연구로 평가받고 있다.

연구팀은 딥러닝 기반 알고리즘을 통해 DWI 영상에서 급성 뇌경색 병변을 자동으로 검출·분할하는 AI 모델을 개발했다. 학습 데이터가 늘어날수록 AI 성능이 빠르게 향상됐지만, 일정 규모 이상에서는 성능 향상이 둔화되는 양상을 보였다. 이에 연구진은 약 1,000~2,000건 수준의 데이터로도 임상 적용에 필요한 성능에 도달할 수 있다는 점을 확인하고, 의료영상 AI 개발에서 비용 효율성을 제시했다.

또한 병원 간 영상 프로토콜 차이로 발생하는 '도메인 변화(domain shift)' 문제에 대응하기 위한 도메인 적응(domain adaptation) 실험도 진행됐다. 외부 병원의 소량 영상(50건)을 기반으로 학습한 모델이 대규모 학습 모델과 유사한 성능을 보이며, 최소한의 비용으로 적응 가능한 가능성을 보여주었다.

임상 적용 가능성도 검토됐다. 응급실에서 DWI 검사를 받은 뇌졸중 의심 환자 838명을 대상으로 한 시험에서, 해당 AI 모델은 민감도 99%로 병변을 감지했고, 특정 컷오프 기준(0.087 mL) 적용 시 특이도는 73%를 기록했다. 연구팀은 이러한 성능이 조기 진단과 불필요한 후속 검사 감소에 도움이 될 수 있다고 해석했다.

이번 연구 결과는 SCI(E) 등재 국제 학술지인 네이처 자매지 Scientific Reports에 ‘Deep learning-based automatic segmentation of cerebral infarcts on diffusion MRI’라는 제목으로 게재됐다. 

연구진은 뇌졸중 진단의 핵심 영상 기법인 DWI에 기반한 AI 기술의 정확성과 실효성이 확인됨에 따라, 향후 응급의료 현장에서 조기 판단을 지원하는 보조 수단으로 활용될 수 있을 것으로 전망했다.