"파킨슨병 낙상 위험 AI로 잡아낸다"

파킨슨병 환자의 낙상 위험을 인공지능으로 예측할 수 있는 길이 열렸다.

삼성서울병원 신경과 윤진영 교수AI 연구센터 유학제 박사 연구팀이 보행 지표와 다양한 임상 데이터를 함께 분석하여 파킨슨병 환자 가운데 낙상 위험이 높은 환자군을 높은 정확도로 구별 할 수 있는 인공지능(AI) 기술을 개발했다고 7일 밝혔다. 연구 결과는 파킨슨병 분야 국제학술지 npj Parkinsons Disease최근호에 게재됐다.

파킨슨병은 운동 기능을 조절하는 뇌 신경세포가 점차 소실되는 질환이다. 질환이 진행할수록 보행 장애와 균형 저하가 심해지면서 파킨슨 환자의 60%가 낙상을 경험한다.

한 번의 낙상도 골절, 입원, 활동성 저하로 이어질 수 있어 위험 환자를 미리 파악하는 것이 중요하다. 그러나 파킨슨병은 환자마다 운동 증상과 비운동 증상이 다양해, 실제로 낙상 위험이 높은 환자를 객관적으로 구별하는 데 어려움이 있었다.

이를 해결하기 위해 윤진영 교수 연구팀은 AI를 활용했다.

연구팀은 총 468명의 참여자 중 데이터가 완비된 396명을 분석했다. 이 가운데 삼성서울병원 환자군 298명을 학습 데이터로 활용하고, 고려대학교 안산병원 환자군 98명을 외부 검증 데이터로 사용했다. 대상자는 낙상 이력에 따라 파킨슨병 낙상 경험군, 비경험군, 건강 대조군으로 나눴다.

분석에는 임상 평가 자료와 전자식 보행분석 장비(GAITRite)로 측정한 보행 속도, 보폭, 걸음 패턴 등이 활용됐다. 연구팀은 통계 기반 특징 선택과 중요도 기반 특징 선택의 두 가지 방법으로 주요 변수를 선별한 뒤, 총 7개 머신러닝 알고리즘을 비교 평가했다.

윤진영 교수 연구팀은 7개의 머신러닝 알고리즘 중 통계 기반으로 주요 변수를 선별한 엑스트라 트리 분류 모델이 가장 우수한 성능을 보였다고 밝혔다. 내부 검증 정확도는 88%, 외부 검증 정확도는 89%로 나타나 다른 기관 환자군에서도 안정적인 재현 가능성을 확인했다.

연구팀은 AI 모델이 낙상 위험을 예측하는 데 가장 중요하게 활용한 정보는 낙상에 대한 두려움, 보행 속도와 보폭 같은 균형 기능, 자율신경 이상이라고 밝혔다. 파킨슨병 환자의 낙상이 단순한 운동 증상만이 아니라 다양한 비운동 증상까지 함께 반영되는 복합적 문제라는 설명이다.

유학제 박사는 이번 연구는 인공지능을 활용해 향후 전향적 낙상 예측 연구나 웨어러블 센서, 영상 데이터 등을 결합한 정밀 평가 모델로 발전할 수 있는 기반을 마련했다는 점에서 의미가 있다고 밝혔다.

윤진영 교수는 여러 임상 정보와 보행 데이터를 AI가 종합 분석해 위험 환자를 보다 객관적으로 가려낼 수 있음을 보여줬다며 외부 검증에서도 유사한 정확도를 보여, 보다 보편적으로 사용 가능한 모델임을 확인했다고 말했다.