대한신장학회가 인공지능 기반의 사구체신염 예후 예측 모델 개발에 나선다.
대한신장학회는 인공지능을 활용한 신장질환 관리 연구과제를 공모한 결과, 서울대병원 신장내과 이하정 교수팀의 ‘인공지능 기반 임상-병리 통합 lgA 사구체신염 예후 예측 모델 개발’ 과제를 선정했다고 밝혔다.
lgA사구체신염은 사구체에 면역글로블린A가 침착해 염증반응을 일으키는 병이다. 주로 30대 젊은 나이에 진단받고 오랜 기간 질환을 앓게 되는데 그 과정에서 다양한 임상경과를 보이며 약 20%의 환자는 10년 이내 투석이나 이식이 필요한 말기신부전상태에 이른다고 알려졌다.
따라서 lgA신장염의 장기 예후 예측은 환자 치료·관리에 있어 매우 중요하지만 임상적 위험인자나 신장 조직검사소견 등 현재 이용되고 있는 지표로는 예측하는 데 한계가 있었다.
이하정 교수팀은 이러한 한계를 극복하고자 임상 데이터를 순환신경망(Recurrent Neural Network, RNN) 기반의 인공지능 모델을 활용해 분석하고 병리 소견을 학습시켜 객관화·자동화하는 딥러닝 기반의 전자동 시스템을 구축할 예정이다.
더불어 전체 디지털 병리 슬라이드 이미지(whole slide image)를 활용하는 합성곱 신경망(Convolutional Neural Network, CNN) 기반의 인공지능 모델을 개발·활용해 새로운 병리학적 인사이트를 탐색한다는 계획이다.
연구책임자인 이하정 교수는 “이번 연구를 통해, 임상과 병리가 통합된 예측 모델을 확보하여 IgA 사구체염 환자를 위한 개인별 맞춤형 치료의 근간을 마련할 수 있을 것으로 기대되며 신장내과 전문의, 신장병리 전문의, 그리고 융합의학 전문가가 협업으로 신장 질환 연구에 혁신적인 인공지능 기술을 도입하고 새로운 접근방법을 시도할 수 있을 것으로 기대된다”라고 하였다.
1. 딥러닝(deep learning): 음성 인식, 이미지 식별 또는 예측 등 사람의 작업을 대신 수행하도록 학습시키는 머신러닝의 일종이다. 데이터가 사전에 정의된 방식을 통해 실행되도록 구성하는 기존의 머신러닝과 달리 딥러닝은 사람의 사고 방식을 컴퓨터에게 가르쳐 스스로 데이터를 학습하고 분석하도록 한다.
2. 순환신경망(Recurrent Neural Network, RNN): 시간의 흐름에 따라 변화하는 데이터를 학습하기 위한 인공신경망 모델이다. 순차적으로 과거와 현재의 학습을 연결하고 시간의 흐름에 맞게 학습한다.
3. 합성곱 신경망(Convolutional Neural Network, CNN): 시각적 영상을 분석하는 데 사용되는 다층 구조의 인공신경망 모델이다. 이미지가 인공지능 시스템에 들어왔을 때 이것을 숫자로 인식한 후 특정 필터 함수로 원본 이미지를 훑으며 특징을 추출하고 반복적인 학습을 통해 정확도를 높여 간다.
