99 읽음
수면검사 심전도 AI 분석, 10년 심혈관질환 예측
알파경제
0최신 의학 정보와 근거 중심의 검증 과정을 바탕으로 독자 여러분께 정확하고 신뢰할 수 있는 건강 정보를 제공합니다.
미국 국립보건원(NIH)의 지원을 받은 연구진은 수면다원검사에서 수집한 심전도와 수면 단계 정보를 결합한 딥러닝 모델을 개발했다고 밝혔다.
연구 결과는 국제학술지 SLEEP에 발표됐다.
수면다원검사는 수면무호흡증과 불면증 등 수면장애를 진단하기 위해 뇌파와 심전도, 호흡, 혈중 산소포화도 등을 종합적으로 측정하는 검사다. 이 과정에서 심전도도 함께 기록되지만, 일반적으로 수면장애 진단에서는 호흡과 뇌파 등 다른 생리학적 지표에 더 많은 관심이 집중된다.
연구진은 수면 중 기록되는 심전도에 장기적인 심혈관질환 위험을 예측할 수 있는 정보가 포함돼 있을 가능성에 주목했다. 특히 심전도 신호와 수면 단계를 함께 분석하면 기존 검사에서 확인하기 어려웠던 심장 기능의 미세한 변화를 포착할 수 있을 것으로 판단했다.
연구팀은 미국 매사추세츠종합병원 환자 1만5809명의 수면검사 자료를 이용해 딥러닝 모델을 학습시켰다. 이후 에모리대학교병원 환자 9810명과 베스이스라엘 디코니스 메디컬센터 환자 1만2576명의 자료를 활용해 예측 성능을 검증했다. 전체 분석 대상자는 3만8195명에 달했다.
연구진은 수면검사에서 기록된 단일 유도 심전도와 전문가가 판정한 수면 단계 정보를 결합해 인공지능 모델에 입력했다.
일반적인 심전도 검사는 여러 방향에서 심장의 전기적 활동을 측정하는 12유도 방식을 사용하지만, 이번 연구에서는 하나의 전기 신호만 기록하는 단일 유도 심전도를 활용했다.
연구팀은 이를 통해 향후 10년간 심방세동과 뇌졸중, 심근경색, 심부전 발생 및 전체 사망 위험을 예측하도록 모델을 설계했다. 실제 질병 발생 여부는 환자의 전자의무기록을 통해 확인했다.
분석 결과 딥러닝 모델은 환자들을 장기적인 심혈관질환 위험 수준에 따라 구분할 수 있었다. 특히 AI가 높은 위험 점수를 부여한 환자일수록 이후 심혈관질환 발생이나 사망 위험이 높게 나타났다.
이러한 예측 능력은 연령과 성별, 체질량지수(BMI), 당뇨병, 고혈압 등 기존 심혈관질환 위험요인을 고려한 이후에도 유지됐다.
또 수면무호흡증의 중증도와 수면 중 각성 빈도, 수면 효율 등 수면 관련 요인을 보정한 이후에도 유의한 예측력을 보였다. 특히 심방세동과 심부전, 전체 사망 위험을 예측하는 데 유용한 것으로 확인됐다.
반면 심근경색과 뇌졸중의 경우 기존 위험요인에 AI 예측 점수를 추가하더라도 예측 성능이 크게 개선되지는 않았다.
연구진은 심근경색과 뇌졸중의 예측 정확도를 높이기 위해 추가적인 모델 개선이 필요하다고 설명했다.
이번 연구의 중요한 특징은 이미 수면검사 과정에서 수집되는 심전도 데이터를 활용했다는 점이다. 별도의 복잡한 검사 없이 기존 검사 자료를 추가 분석하는 방식으로 심혈관질환 위험을 평가할 수 있기 때문이다.
연구를 지원한 미국 국립심장폐혈액연구소(NHLBI)의 데이비드 고프(David Goff) 소장 직무대행은 이번 접근법이 임상 증상이 나타나기 수년 전부터 심혈관질환 고위험군을 확인하는 데 도움이 될 가능성이 있다고 평가했다.
다만 실제 진료에서 활용하기 위해서는 기존 위험 예측 방법보다 얼마나 더 정확한지 추가적인 검증이 필요하다고 강조했다.
연구에 참여한 에모리대학교 의과대학의 가리 클리퍼드(Gari Clifford) 교수는 딥러닝 모델의 예측 점수를 기존 위험요인에 추가했을 때 심혈관질환 위험 예측 능력이 개선됐다고 설명했다.
그는 수면검사에 이러한 분석 기술을 적용하면 심혈관질환의 조기 발견과 고위험 환자 선별에 도움이 될 수 있다고 밝혔다. 특히 단일 유도 심전도는 일반적인 12유도 심전도보다 측정이 간편하다는 장점이 있다.
연구진은 향후 간단한 패치형 심전도 장치를 이용해 수면 중 심장 신호를 수집하고 분석하는 방식으로 기술을 확대할 가능성도 제시했다.
다만 이번 연구는 기존 수면검사 자료와 전자의무기록을 분석한 후향적 연구로, AI 예측 결과를 실제 진료에 적용했을 때 심혈관질환 발생이나 사망을 줄일 수 있는지는 확인되지 않았다.
또 연구 대상자가 수면장애 평가를 위해 검사를 받은 환자들이었다는 점에서 일반 인구집단에서도 동일한 예측 성능이 나타나는지는 추가 검증이 필요하다. AI 모델의 예측 정확도와 임상적 유용성을 확인하기 위한 전향적 연구도 요구된다.
연구진은 앞으로 심전도 기반 딥러닝 모델의 성능을 개선하고 실제 임상환경에서 활용할 수 있는 방법을 검토할 계획이다.
이번 연구는 수면검사에서 수집되는 심전도 정보가 단순한 심장 박동 기록을 넘어 장기적인 심혈관질환 위험을 평가하는 새로운 지표로 활용될 가능성을 보여줬다는 점에서 의미가 있다.