딥 러닝 모델로 심각한 심장 판막 질환 감지 자동화

출처: 게티 이미지

샤니아 케네디

2023년 8월 30일 - 지난주 유럽 심장 저널(European Heart Journal)에 발표된 연구에 따르면 예일 의과대학 연구원들은 심장 초음파 스캔을 분석하여 대동맥 협착증을 정확하게 감지할 수 있는 딥 러닝(DL) 접근법을 개발했습니다.

연구팀은 대동맥 판막이 좁아져 발생하는 흔한 심장질환인 대동맥 협착증이 사망률과 이환율의 중요한 동인임을 지적했다. 질병의 조기 발견은 이러한 결과를 예방하는 데 중요하지만 도플러 심장초음파검사로 알려진 심장의 특수 초음파 영상이 필요합니다.

도플러 심장초음파검사는 대동맥 협착증을 발견하는 데 활용되는 주요 검사이지만 영상의 특수한 특성으로 인해 조기 발견 노력에 사용하기에는 비효율적이고 접근하기 어렵습니다.

“우리의 과제는 [대동맥 협착증]에 대한 정확한 평가가 환자 관리 및 위험 감소에 중요하다는 것입니다. 전문적인 테스트는 여전히 최적의 기준으로 남아 있지만 심장초음파 검사실에 오는 사람들에게 의존하면 질병 초기에 사람들을 놓칠 가능성이 높습니다.”라고 Yale의 심혈관 의학 및 건강 정보학 조교수이자 이사인 수석 저자 Rohan Khera 박사는 말했습니다. 연구를 자세히 설명하는 보도 자료에서 CarDS(심혈관 데이터 과학) 연구소의 내용을 확인하세요.

연구팀의 목표는 현장 초음파 검사를 통해 질병의 조기 발견을 촉진할 수 있는 모델을 개발하는 것이었습니다.

이를 위해 연구원들은 Yale New Haven Hospital에서 2016년부터 2020년 사이에 17,570개의 비디오를 포함하는 경흉부 심장초음파(TTE) 검사에서 얻은 5,257개의 연구를 사용하여 딥 러닝 모델을 개발했습니다.

그런 다음 이 도구는 Yale New Haven Hospital의 2,040개 연속 연구와 캘리포니아 및 뉴잉글랜드의 다른 병원에서 실시한 4,226개 및 3,072개 연구로 구성된 지리적으로 다른 두 코호트를 사용하여 외부적으로 검증되었습니다.

이 모델은 코호트 전반에 걸쳐 높은 성능을 달성하여 테스트 세트에서 수신기 작동 특성 곡선 아래 영역인 0.978에 도달했습니다. 또한 DL은 캘리포니아 코호트에서 0.952, 뉴잉글랜드 코호트에서 0.942의 수신기 작동 특성 곡선 아래 영역을 달성했습니다.

이러한 발견으로 인해 연구자들은 이 모델이 대동맥 협착증의 조기 발견에 잠재적인 유용성을 가지고 있다는 결론을 내리게 되었습니다.

“우리의 작업을 통해 [대동맥 협착증]에 대한 더 광범위한 지역사회 검사가 가능해졌습니다. 더 전문적인 장비가 필요 없이 휴대용 초음파를 점점 더 많이 사용할 수 있기 때문입니다. 이미 응급실과 기타 여러 진료 환경에서 자주 사용되고 있습니다.”라고 Khera는 말했습니다.

그러나 도구를 임상 환경에 배포하려면 더 많은 연구가 필요합니다.

이전 연구에서도 인공지능(AI)을 활용해 대동맥 협착 감지를 개선하는 것이 목표였다.

2021년에 Kaiser Permanente 연구원은 자연어 처리(NLP)가 임상의가 대동맥 협착증을 식별하는 데 도움이 될 수 있음을 입증했습니다.

이 모델은 심장초음파 보고서와 EMR 데이터를 선별하여 상태와 관련된 약어, 단어 및 문구를 표시하도록 훈련되었습니다.

그런 다음 이 도구는 대동맥 협착증 기준을 충족하는 거의 54,000명의 환자를 신속하게 식별했는데, 연구팀은 이 과정을 수동으로 수행했다면 수년이 걸렸을 수 있다고 지적했습니다.