모든 관상동맥 질환을 진단할 수 있는 머신러닝 기반 기술이 개발됐다.
김중선 연세대 세브란스병원 심장내과 교수, 하진용 세종대학교 전자정보통신공학과 교수, 차정준 순환기내과 고려대 안암병원 교수 연구팀 성과다. 연구팀은 OCT(광간섭단층촬영) 영상 정보를 활용한 기계학습 기반의 FFR(분획혈류예비력) 예측 기술을 개발했다고 8일 밝혔다.
OCT는 혈관 내 카테터를 삽입해 동맥경화 병변을 고해상도 영상으로 촬영하는 정밀 진단하는 영상진단검사다. FFR 검사는 압력 센서가 부착된 압력철선을 삽입해 막힌 혈관 전후의 혈압을 비교, 관상동맥의 협착 정도를 평가한다.
관상동맥은 심장에 산소와 영양분을 공급하는 혈관으로, 좁아지거나 막히면 관상동맥 질환이 생긴다. 치료 역시 혈관을 넓히는 방법으로 이뤄지며, 비수술적 치료법으로 스텐트 삽입술을 가장 많이 시행한다. 협착 정도가 심하면 정확한 스텐트 삽입을 위해 혈관 조직 내 미세구조를 영상화하는 영상진단 검사인 OCT와 함께 혈압 정보를 확인하는 FFR 검사를 추가로 시행한다.
협착이 심한 환자는 두 검사를 모두 시행하지만, 시간 여유가 없는 상황에서 두 개의 다른 기구를 삽입해야 하는 어려움과 비용, 부작용 문제로 적용하는데 어려움이 있다.
연구팀은 과거 심장 왼쪽에 혈류를 공급하는 동맥을 대상으로 OCT 진단검사 결과를 기계 학습(Machine Learning)시켜 FFR 값을 예측할 수 있는 진단기술을 개발한 바 있다. OCT 진단검사 한번으로 정확한 허혈 진단과 생리기능적 평가를 통합 제공할 수 있는 기술이다.
연구팀은 모든 관상동맥에 적용이 가능한 범용 모델을 개발하기 위해, 세브란스 심장혈관병원에서 관상동맥중재술을 받은 환자 130명을 대상으로 연구를 진행했다. 130명 환자의 356개 관상동맥 중 284개의 관상동맥 병변에 대해 OCT 값과 FFR 값을 측정하고 병변 데이터를 활용해 관상동맥 범용 기계학습 모델을 개발했다.
기계학습 모델의 정확도를 평가하기 위해 FFR의 예측값과 실제 측정값을 비교한 결과, 실제와 측정값은 큰 차이가 없었다(상관관계가 0.8782, 1에 가까울수록 실제 측정 수치에 근접). 또한 추가 외부 코호트 연구를 통해 중증도 협착 환자 47명의 101개 관상동맥을 대상으로 한 외부검증에서도 상관관계 0.7884로 높은 예측도를 보였다.
김중선 교수는 “OCT 검사 후 머신러닝에 의해 FFR 값을 1~2분 안에 예측할 수 있는 기술을 통해 시간을 다투는 임상현장에서 환자의 부담과 부작용을 줄일 수 있을 것으로 기대된다”면서 “추후 더 많은 임상 데이터를 활용해 임상현장에서 널리 사용할 수 있는 기술로 발전시킬 수 있도록 노력할 것”이라고 말했다.
한편 이번 연구는 한국연구재단 기초연구사업의 SHDI 선도연구센터와 과학기술정보통신부 의료기관 창업 캠퍼스 연계 원천기술개발사업의 지원을 받아 진행됐으며 국제학술지 ‘프런티어 인 카디오바스큘라 메디슨(Frontiers in Cardiovascular Medicine)’ 최신호에 게재됐다.
관련뉴스
