연세대학교 용인세브란스병원(병원장 박진오) 심장내과 정인현‧배성아 교수와 연세의대 의생명시스템정보학교실 윤덕용 교수 연구팀은 흉부 엑스레이(X-ray) 영상으로 심장 기능 저하 가능성을 예측하는 인공지능(AI) 모델을 개발하고, 성능을 검증한 연구 결과를 최근 발표했다.
‘좌심실 박출률(LVEF)’은 심장의 혈액 공급 능력을 살펴볼 수 있는 지표로, 심부전을 비롯한 심혈관질환의 진단과 치료 방향을 결정하는 중요한 단서다.
이 지표는 일반적으로 심장초음파 검사를 통해 측정하지만, 검사 장비와 숙련된 전문 인력이 필요해 규모가 작은 의료기관에서 시행하기 어려웠다.
이에 연구팀은 호흡곤란 등으로 병원을 찾은 환자에게 기본적으로 시행하는 흉부 X-ray에 주목했다. 흉부 X-ray에서는 심장이 커져 있거나 폐에 물이 차는 등의 이상 소견을 확인할 수 있다. 다만 이러한 소견만으로는 실제 심장 기능의 저하를 단정하기 어려워, 연구팀은 이를 보완하고자 AI를 활용했다.
연구팀은 AI 기반의 두 가지 예측 모델을 개발하고 성능을 비교했다. 첫 번째는 흉부 X-ray 사진 전체를 AI가 직접 학습해 심장 기능 저하를 예측하는 ‘직접 딥러닝(DDL)’ 방식이다. 두 번째는 기존에 검증된 영상 판독 AI(루닛 인사이트 CXR)의 분석 결과를 활용하는 ‘하이브리드 딥러닝(HDL)’ 방식이다.
하이브리드 방식은 판독 AI가 흉부 X-ray에서 심장 비대, 흉수, 폐경화 등 8개의 이상 소견을 분석해 점수화하면, 별도의 머신러닝 알고리즘이 이 점수들을 종합해 좌심실 박출률이 저하되어 있을 가능성을 예측하도록 설계했다.
연구팀은 2020년 3월부터 2021년 9월까지 용인세브란스병원에서 흉부 X-ray와 심장초음파를 2주 내에 시행한 환자 1만 152명의 자료를 활용해 AI 모델을 개발하고 내부 성능을 평가했다. 이어 2022년 3월부터 9월까지 호흡곤란으로 응급실 또는 외래를 방문한 환자 505명을 대상으로 전향적 검증을 진행했다. 외부 검증을 위해 서울대학교병원 환자 3,657명의 자료도 활용했다.
AI 예측 모델의 성능을 분석한 결과, 모델의 판별력을 나타내는 지표인 AUROC는 HDL 모델에서 0.85로, DDL 모델의 0.61보다 높았다. 응급실‧외래 환자를 대상으로 한 전향적 검증에서도 HDL 모델이 0.85, DDL 모델이 0.57로 나타나 유사한 경향을 보였다.
HDL 모델의 AUROC는 외부 검증에서도 0.73을 기록했다. 또한 좌심실 박출률이 30% 이하로 크게 떨어진 환자를 가려내는 성능은 내‧외부 검증 모두 0.83에서 0.86 사이로 안정적이었다.
특히 HDL 모델은 90~97%의 특이도와 91~98%의 음성예측도를 나타냈다. 이는 실제로 좌심실 수축 기능이 유지된 환자를 구분하는 데 비교적 높은 성능을 보였다는 의미로, 향후 심장 기능 평가가 필요한 환자를 선별하는 보조 도구로 활용될 가능성을 시사한다.
AI의 판단에 어떤 소견이 영향을 미쳤는지 확인했다는 점도 이번 연구의 특징이다. 연구팀은 AI 분석 기법을 활용해 심장 비대, 흉수, 폐경화 등이 주요 예측 요인으로 작용한다는 사실을 밝혔다.
또한 각 소견이 심장 기능 저하 가능성을 높이거나 낮추는 방향으로 얼마나 기여했는지 시각적으로 보여줌으로써, 의료진이 AI의 예측 근거를 이해하는 데 도움을 줄 수 있음을 제시했다.
정인현‧배성아 교수는 “이번 연구는 기존 판독 AI의 분석 결과를 활용해 심장 기능 저하를 예측하고 판단에 영향을 미친 소견까지 확인할 수 있음을 입증했다는 점에서 의미가 있다”며 “향후 추가적인 임상 검증을 거쳐 응급실이나 심장초음파 검사 접근성이 낮은 의료기관에서 심장 기능 저하 의심 환자를 선별하는 보조 도구로 활용될 수 있을 것으로 기대한다”고 말했다.
연구팀은 향후 나이, 증상, 혈액검사 결과와 같은 임상 정보를 함께 활용하는 모델을 개발하고 실제 진료 현장에서의 적용 효과를 확인하기 위한 후속 연구를 이어갈 계획이다.
한편 이번 연구는 연세대학교 의과대학 교수연구비(6-2022-0076)의 지원을 받아 수행됐으며, 연구 결과는 국제학술지 ‘Scientific Reports’에 최근 게재됐다.
