수면데이터 AI분석 만성콩팥병 발생 예측한다

수면다원검사 표현형을 이용해 만성콩팥병(CKD)의 자동 선별 및 중증도 분류를 위한 앙상블 학습 접근법이 제시됐다.

양재원 연세대 원주의대 교수(원주세브란스기독병원 신장내과) 연구팀이 최근 환자의 수면 데이터를 인공지능(AI)을 통해 분석해, 만성콩팥병의 단계별 발생률을 예측할 수 있다는 연구 결과를 발표했다.

양재원 교수와 오르트나산 에르덴바야르 교수(연세대학교 미래캠퍼스 AI반도체학부)가 공동으로 진행한 이번 연구는 11월 17일 국제학술지 npj Digital Medicine에 게재됐다. 논문 제목은 Ensemble learning approaches for early prediction of chronic kidney disease based on polysomnographic phenotype analysis. npj Digital Medicine(IF: 15.1)은 Nature의 자매지로, 의학 및 건강 관련 최신 연구, 디지털모바일 기술의 임상 구현 등 디지털 의학 분야를 다루는 권위 있는 저널이다.

연구팀은 수면다원검사(PSG) 표현형을 이용해 만성콩팥병의 자동 선별 및 중증도 분류를 위한 앙상블 학습 접근법을 제시했다.

358명의 피험자(진행성 만성콩팥병 179명, 초기 만성콩팥병 179명)의 PSG 데이터를 랜덤 포레스트, XGBoost, LightGBM, CatBoost의 네 가지 앙상블 알고리즘을 사용해 분석했다.

앙상블 알고리즘이란 여러 개의 인공지능 모델을 묶어서 정확도를 높이는 기법으로, 연구팀은 이를 활용해 최종 호흡, 수면 단계, 움직임, 심혈관적 특징을 포함하는 총 1210개의 수면 관련 변수를 학습했다.

그 결과 CKD 5단계에서 89%를 초과하는 AUC(투여한 약물의 혈중농도와 시간의 관계를 나타낸 그래프)로 높은 다중 클래스 분류 성능을 달성했으며, 산소 포화도, 수면 구조, 심박 변이도의 장애가 CKD 중증도와 밀접한 관련이 있는 것으로 나타났다.

이런 결과는 수면다원검사 결과 분석을 통해 조기 만성콩팥병 발견 및 위험성 예측이 가능해질 수 있다는 점을 시사한다.

양재원 교수는 연세대 원주연세의료원 의료정보실장을 맡고 있으며, 차세대 의료정보시스템 구축사업을 추진하는 등 의료데이터 고도화를 위한 다양한 활동을 수행하고 있다.

양재원 교수는 이번 연구는 의료데이터 융합연구를 통해 새로운 가설을 발표했다는 것에 큰 의미가 있으며, 향후 의료 빅데이터 연구의 좋은 모델이 될 것으로 기대된다고 말했다.