파킨슨병 환자의 낙상 위험군을 인공지능(AI)으로 선별할 가능성을 제시한 연구 결과가 나왔다.

삼성서울병원 신경과 윤진영·AI연구센터 유학제 연구팀은 보행 지표와 임상 정보를 통합 분석해 파킨슨병 환자의 낙상 경험 여부를 분류하는 머신러닝 기반 AI 모델을 개발했다고 밝혔다.

연구 결과는 네이처 계열 파킨슨병 분야 국제학술지 npj Parkinson's Disease(IF=8.2) 최근호에 게재됐다.

파킨슨병은 운동 기능을 조절하는 뇌 신경세포가 점차 소실되는 퇴행성 질환이다. 질환이 진행될수록 보행 장애와 균형 저하가 심해지며, 파킨슨병 환자의 약 60%가 낙상을 경험하는 것으로 알려져 있다. 낙상은 골절과 입원, 활동성 저하로 이어질 수 있어 위험 환자를 조기에 선별하는 것이 중요하다.

연구팀은 총 468명의 참여자 가운데 데이터가 완비된 396명을 분석했다. 삼성서울병원 환자군 298명을 AI 학습 데이터로 활용했고, 고려대학교 안산병원 환자군 98명은 외부 검증 데이터로 사용했다. 대상자는 파킨슨병 낙상 경험군, 비경험군, 건강 대조군으로 구분했다.

분석에는 전자식 보행 분석 장비 ‘GAITRite’를 이용해 측정한 보행 속도와 보폭, 걸음 패턴 등이 활용됐다. 연구팀은 임상 평가 자료와 보행 데이터를 함께 분석하고, 특징 선택(feature selection) 기법을 적용해 주요 변수를 선별한 뒤 총 7개 머신러닝 알고리즘의 성능을 비교 평가했다.

그 결과 통계 기반 특징 선택 방식을 적용한 ‘엑스트라 트리(Extra Trees)’ 분류 모델이 가장 높은 성능을 보였다. 내부 검증 정확도는 88%, 외부 검증 정확도는 89%로 나타났다.

연구팀에 따르면 AI 모델이 낙상 경험군을 구별하는 데 가장 중요하게 활용한 변수는 낙상에 대한 두려움(Fear of Falling), 보행 속도와 보폭 등 균형 기능, 자율신경 이상 관련 지표 등이었다.

연구팀은 이를 통해 파킨슨병 환자의 낙상이 단순한 운동 기능 저하뿐 아니라 다양한 비운동 증상까지 함께 반영되는 복합적 문제일 가능성을 확인했다고 설명했다.

유학제 박사는 “이번 연구는 향후 전향적 낙상 예측 연구나 웨어러블 센서·영상 데이터를 결합한 정밀 평가 모델로 발전할 수 있는 기반을 마련했다는 점에서 의미가 있다”고 말했다.

윤진영 교수는 “여러 임상 정보와 보행 데이터를 AI가 종합 분석해 위험 환자를 보다 객관적으로 구별할 수 있음을 보여줬다”며 “외부 검증에서도 유사한 정확도를 보여 보다 보편적으로 사용 가능한 모델임을 확인했다”고 말했다.

다만 이번 연구는 기존 낙상 경험 여부를 기반으로 환자군을 분류한 관찰 연구로, 실제 미래 낙상 발생을 예측하는 전향적 검증은 추가로 필요하다.