세브란스병원, 머신러닝 기반 심혈관질환 진단기술 개발
세브란스병원, 머신러닝 기반 심혈관질환 진단기술 개발
  • 강태우 기자 (burning.k@k-health.com)
  • 승인 2020.11.26 17:18
  • 댓글 0
이 기사를 공유합니다

세브란스병원·세종대·고대안암병원 공동연구진행
머신러닝 기반 검사, ‘관상동맥중재술’ 정확도↑ 부작용↓
왼쪽부터 세브란스병원 심장내과 김중선 교수, 세종대 전자정보통신공학과 하진용 교수, 고대안암병원 순환기내과 차정준 교수
왼쪽부터 세브란스병원 심장내과 김중선 교수, 세종대 전자정보통신공학과 하진용 교수, 고대안암병원 순환기내과 차정준 교수

세브란스병원은 26일 심장내과 김중선 교수와 세종대 전자정보통신공학과 하진용 교수, 고대안암병원 순환기내과 차정준 교수 연구팀이 ‘광간섭단층촬영(OCT) 영상’과 환자의 생체정보를 활용한 기계학습기반의 ‘분획혈류예비력(FFR) 예측기술’을 개발했다고 밝혔다.

연구팀에 따르면 이번 머신러닝(기계학습)을 기반으로 한 심혈관질환 진단기술개발은 특히 시간을 다투는 관상동맥중재술 환자치료에 큰 도움이 될 것으로 기대된다. 

관상동맥질환 중 관상동맥이 좁아져 심장에 충분한 혈액이 공급되지 않아 통증이 생기는 경우를 ‘협심증’이라고 부른다. 또 완전히 막혀 심장근육이 괴사되는 경우를 ‘심근경색증’이라고 한다.

이들의 치료방법으로는 ▲약물치료 ▲중재시술 ▲관상동맥우회수술 등이 대표적이다. 이 중 관상동맥중재시술은 막힌 관상동맥을 뚫는 것으로 막히거나 좁아진 심장혈관을 내과적으로 치료하는 방법이다.

관상동맥중재술 중 중증도 협착환자의 경우 혈관협착정도에 따라 스텐트삽입술을 시행한다. 정확한 스텐트삽입을 위해 혈관조직 내부의 미세구조를 영상화 할 수 있는 영상진단방법인 광간섭단층촬영(OCT)검사와 함께 혈관 내 혈압정보를 제공하는 분획혈류예비력(FFR)검사가 상호보완적으로 시행된다.

광간섭단층촬영(OCT)은 심장혈관질환 진단영상검사로 혈관 내 동맥경화병변을 진단할 수 있다. 또 분획혈류예비력(FFR)은 중증도 협착을 보이는 관상동맥질환에서 ‘대동맥 정상부위에서의 혈압’과 ‘협착된 부위의 혈압’을 비교해 관상동맥의 협착정도를 기능적으로 평가하는 검사다.

광간섭단층촬영(OCT)이나 분획혈류예비력(FFR) 검사를 하면 중재시술의 필요성을 평가하고 보다 정밀한 시술을 시행할 수 있는데 연구팀은 여기서 더 나아가 광간섭단층촬영(OCT) 진단검사에 의한 혈관협착정보와 환자생체정보를 기계학습시켜 분획혈류예비력(FFR)값을 예측할 수 있는 진단기술을 개발했다. 이를 통해 한 번의 OCT진단검사로도 정확한 허혈진단과 생리기능적평가를 통합제공할 수 있다. 

더욱이 연구팀은 2013년 11월부터 2015년 1월까지 세브란스 심장혈관병원에서 관상동맥중재술을 받은 환자 125명을 4개 그룹으로 샘플을 만들어 OCT값과 FFR값을 측정했다. 또 이 값을 기준으로 104명 환자에 대한 데이터를 기계학습 시켰다. 

이 중 ▲가장 좁아진 부위의 관상동맥내경 ▲협착부위비율 ▲병변길이 ▲몸에서 가까운 쪽의 관상동맥내경 ▲시술 전 혈소판수 ▲고혈압의 6가지 중요한 특성을 통해 21명의 FFR값을 예측했다.

그림.기계학습을 통해 예측한 FFR값(세로축)이 실제 환자에서 측정한 FFR값(가로축)과 상당히 유사한 것으로 확인됐다.
기계학습을 통해 예측한 FFR값(세로축)이 실제 환자에서 측정한 FFR값(가로축)과 상당히 유사한 것으로 확인됐다.

‘기계학습을 통해 나온 FFR값’과 ‘실제 측정한 FFR값’과 비교한 결과, 0.853(1에 가까울수록 실제 측정 수치에 근접)로 실제 측정한 값과 유사한 것으로 확인됐다.

이번 연구결과로 관상동맥중재술 환자의 부담과 부작용을 줄일 수 있을 것으로 기대된다. 특히 기존 침습적방법이었던 FFR검사 대신 컴퓨터시뮬레이션을 통해 1~2분이면 FFR값을 예측할 수 있어 시간을 다투는 관상동맥질환 환자들의 진단 및 치료성적도 높일 것으로 예상된다.

연구팀은 향후 FFR 시뮬레이션 소프트웨어를 개발해 최근 빠르게 성장하고 있는 심혈관질환진단 의료영상 소프트웨어시장도 개척할 계획이다.

세브란스병원 심장내과 김중선 교수는 “FFR측정을 위해서는 압력철선을 관상동맥에 따로 넣어야했었다”며 “하지만 이번 연구를 통해 기계학습으로 FFR값을 임상현장에서 빠른 시간에 확인할 수 있게 됐다”고 말했다. 이어 “향후 더 많은 환자의 임상데이터를 활용한다면 최고수준의 임상결과를 도출할 수 있을 것“이라고 덧붙였다. 

한편 과학기술정보통신부 의료기관 창업캠퍼스 연계 원천기술개발사업의 지원을 받은 이번 연구결과는 네이처 자매지 ‘사이언티픽리포트(Scientific Reports)’ 온라인판에 게재됐다.

 


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.