서울대병원 연구진이 인공지능(AI)을 활용해 뇌전증 환자의 발작 빈도 변화를 장기간 분석한 결과, 발작이 빠르게 소실되는 경우부터 치료 이후에도 지속되는 경우까지 서로 다른 다섯 가지 장기 경과 유형이 확인됐다. 동일한 진단명 아래에서도 발작의 시간적 변화 양상이 환자마다 뚜렷하게 다를 수 있음을 데이터로 구분한 결과다.

서울대병원 신경과 박경일·이상건 교수, 융합의학과 김영곤 교수, 이대목동병원 황성은 교수로 구성된 공동 연구팀은 2008년부터 2020년까지 뇌전증 클리닉에 처음 내원한 환자 2,586명을 대상으로 임상 정보와 발작 경과를 평균 7.6년간 추적한 대규모 코호트 데이터를 분석해 이 같은 결과를 도출했다고 4일 밝혔다.

뇌전증은 약물 치료로 발작이 조절되는 환자도 있지만, 치료 이후에도 발작이 지속되는 경우가 적지 않아 장기 경과의 개인차가 큰 질환이다. 기존에는 발작 유형이나 원인 질환을 중심으로 환자를 분류해 왔으나, 이러한 기준만으로는 발작이 시간에 따라 어떻게 변화하는지를 충분히 설명하기 어렵다는 한계가 있었다.

분석 결과, 발작이 소실되는 경과를 보인 세 개 군집과 치료 이후에도 발작이 지속된 두 개 군집이 확인됐다. 발작 관해군 가운데 ‘신속 관해군’에서는 면역·감염과 연관된 뇌전증이 상대적으로 많이 포함됐고, ‘저발작빈도-지연관해군’에서는 뇌파 검사에서 전반적인 서파가 관찰되며 뇌 MRI에서 뇌연화증이 동반된 경우가 많았다. ‘중발작빈도-지연관해군’에서는 전반뇌전증의 임상적 특성이 두드러졌다.

반면 발작 지속군에서는 서로 다른 양상이 관찰됐다. ‘부분 반응군’에서는 국소 극서파나 불규칙 서파 등 국소적 뇌파 이상과 뇌종양이 동반된 경우가 상대적으로 많았고, ‘지속 난치성군’에서는 해마경화증이 동반된 환자 비율이 높았으며 남성 환자와 긴 이환 기간이 특징적으로 나타났다.

장기 추적 결과, 전체 환자의 66.1%는 추적 관찰 마지막 1년 동안 발작이 없는 상태로 확인됐다. 발병 나이가 많고 질환 지속 기간이 짧을수록 발작이 조절될 가능성이 높은 경향을 보였으며, 혈액 응고 과정과 관련된 단백질인 피브리노겐 수치도 장기 발작 경과와 연관성을 나타냈다. 다만 연구진은 이러한 지표가 발작 경과를 예측하거나 인과 관계를 설명한다고 단정하지는 않았다.

이번 연구는 진단이나 치료 반응을 예측하는 데 목적을 두기보다, 발작의 장기 경과가 시간적 변화 패턴에 따라 서로 다른 유형으로 나타난다는 점을 데이터로 정리했다는 데 의의가 있다. 인공지능을 임상 의사결정 도구로 제시하기보다는, 환자의 경과를 이해하는 하나의 분석 틀로 활용한 접근이라는 설명이다.

박경일 서울대병원 신경과 교수는 “이번 연구는 인공지능을 활용해 뇌전증 환자의 발작 경과를 시간의 흐름 속에서 분석하고, 동일한 진단명 아래에서도 서로 다른 장기 경과가 존재함을 보여준 결과”라며 “임상 현장에서 환자의 경과를 이해하는 데 참고가 될 수 있는 분석 틀을 제시했다”고 말했다.

이번 연구 결과는 국제학술지 Scientific Reports 최근호에 게재됐다.