[디스커버리뉴스=이명수 기자] 연세대학교 원주의과대학 양재원 교수 연구팀이 환자의 수면다원검사(PSG) 데이터를 인공지능으로 분석해 만성콩팥병(CKD) 단계별 발생 가능성을 높은 정확도로 예측할 수 있다는 연구 결과를 발표했다.
이번 연구는 양재원 교수와 오르트나산 에르덴바야르 교수(연세대 미래캠퍼스 AI반도체학부)가 공동으로 수행했으며, 11월 17일 국제 학술지 ‘npj Digital Medicine’에 실렸다.
연구팀은 CKD 환자 358명의 PSG 데이터를 기반으로 랜덤포레스트, XGBoost, LightGBM, CatBoost 등 네 가지 앙상블 알고리즘을 적용해 총 1천2백여 개의 수면 관련 변수를 학습시켰다. 그 결과 CKD 5단계 예측에서 AUC 89%를 넘는 성능을 보이며 단계별 분류 정확도를 크게 높였다.
특히 산소포화도 저하, 수면 구조 변화, 심박 변이도 이상 등이 CKD 중증도와 뚜렷하게 연관된 것으로 확인되면서, 수면 패턴 분석만으로도 질환의 위험성 조기 판단이 가능하다는 가능성이 제시됐다.
양재원 교수는 “의료데이터 융합 연구를 통해 새로운 예측 모델을 제시했다는 데 의미가 있다”며 “향후 의료 빅데이터 기반 진단 연구의 확장 모델로 활용될 것”이라고 말했다.
국제 학술지에 연구 성과 게재…수면다원검사 활용한 조기 진단 가능성 제시
원주연세의료원 전경
[디스커버리뉴스=이명수 기자] 연세대학교 원주의과대학 양재원 교수 연구팀이 환자의 수면다원검사(PSG) 데이터를 인공지능으로 분석해 만성콩팥병(CKD) 단계별 발생 가능성을 높은 정확도로 예측할 수 있다는 연구 결과를 발표했다.
이번 연구는 양재원 교수와 오르트나산 에르덴바야르 교수(연세대 미래캠퍼스 AI반도체학부)가 공동으로 수행했으며, 11월 17일 국제 학술지 ‘npj Digital Medicine’에 실렸다.
연구팀은 CKD 환자 358명의 PSG 데이터를 기반으로 랜덤포레스트, XGBoost, LightGBM, CatBoost 등 네 가지 앙상블 알고리즘을 적용해 총 1천2백여 개의 수면 관련 변수를 학습시켰다. 그 결과 CKD 5단계 예측에서 AUC 89%를 넘는 성능을 보이며 단계별 분류 정확도를 크게 높였다.
특히 산소포화도 저하, 수면 구조 변화, 심박 변이도 이상 등이 CKD 중증도와 뚜렷하게 연관된 것으로 확인되면서, 수면 패턴 분석만으로도 질환의 위험성 조기 판단이 가능하다는 가능성이 제시됐다.
양재원 교수는 “의료데이터 융합 연구를 통해 새로운 예측 모델을 제시했다는 데 의미가 있다”며 “향후 의료 빅데이터 기반 진단 연구의 확장 모델로 활용될 것”이라고 말했다.
출처 : https://www.discoverynews.kr/news/articleView.html?idxno=1079662