USC(서던 캘리포니아 대학교) 연구진이 희귀한 형태의 뇌전증(간질)을 포함한 발작 유형을 식별하는 AI 기술을 개발, 조기 치료의 기회를 확대할 수 있게 됐다.

관련 소식을 올린 USC 홈페이지 게시글에 따르면, 미국에서 340만 명 이상, 전 세계적으로는 6500만 명 이상이 뇌전증을 앓고 있는데, 이는 신경계에 영향을 미치고 발작을 일으키는 신경 질환이다. 26명 중 1명은 평생 어느 시점에 뇌전증이 발병하고, 매년 뇌전증 환자 1000명 중 1명은 예상치 못하게 사망한다.

많은 질환과 마찬가지로, 뇌전증 치료도 조기 발견에서 시작된다. 세계보건기구(WHO)는 적절한 진단과 치료를 받으면 뇌전증 환자의 70%가 발작 없이 살 수 있다고 추정한다.

의학계에서는 수년에 걸쳐 전극을 사용해 캡처한 뇌파(EEG) 신호에서 발작을 감지하고 분류하는 기계 학습 기술이 개발돼, 인간이 단독으로 다루기에는 너무 복잡한 상관관계를 찾고 있다. 그러나 이 시스템은 희귀한 형태의 뇌전증 발작을 감지하는 데 어려움을 겪는다. 그 이유는 AI가 패턴을 학습하고 예측하기 위해 데이터에 의존하기 때문이다. 이러한 희귀한 발작의 불충분한 예는 예측 능력을 떨어뜨린다.

이번에 USC 연구진은 뇌 상호 작용을 분석하여 간질을 식별하고, 희귀하고 복잡한 사례의 진단을 개선하는 AI 시스템을 개발했다. 최근 PAKDD(고급 지식 검색 및 데이터 마이닝) 컨퍼런스에서 발표된 이 시스템은 종래에 비해 12% 향상된 성능을 보여주었다.

적은 데이터로 정확한 결과 생성

뇌파 전극의 위치와 그들이 추적 관찰하는 뇌 영역을 포함, 뇌전증 감지에서 AI 시스템이 일반적으로 간과하는 여러 정보 소스를 통합함으로써, AI는 발작이 발생할 가능성이 있는 시기를 보이는 패턴이나 특징을 식별할 수 있다. 또 이 기술은 훈련 데이터 사례가 적은 희귀한 발작 유형에서도 적은 데이터로 정확한 결과를 생성하도록 한다.

연구진인 USC 사이러스 샤하비 교수는 "간단한 경우 AI 시스템은 단순한 이진 분류이기 때문에 발작을 일으켰는 지의 여부를 알 수 있지만, 분류하기 쉽지 않은 다양하고 희귀한 유형의 발작이 있고, 이 경우 기존 기술은 정확도가 낮다"고 지적했다.

어린이들에게 종종 영향을 미치고 갑작스러운 근육 조절 상실을 유발하는 희귀한 형태의 발작인 ‘무긴장 발작’이 대표적인 예다. 이 경우, 새로 개발된 시스템은 뇌 영역의 공간적 관계를 조사하고 운동 피질, 기저 신경절, 소뇌 및 뇌간과 같은 근육 조절에 관여하는 뇌 영역의 우선 순위를 지정해 무긴장 발작을 나타내는 활동 패턴을 식별한다. 연구진의 아라시 하지사피는 "개발된 시스템의 AI 모델에는 희귀한 유형의 발작과 관련된 특징을 나타내는 모든 정보가 수집된다. 따라서 소량의 샘플로도 학습이 가능하다”고 밝혔다.

연구진은 시스템 개발의 목표는 인간 의사를 대체하는 것이 아니라 발견하기 어려운 경우에 의사의 지식을 보충하는 것이라고 말했다. USC의 신경학 교수 폴 톰슨 박사는 이번 시스템 개발이 '신경학계의 게임 체인저'가 될 반가운 돌파구라고 평가했다. "이번 성과는 인간이 식별하기 어려운 패턴을 감지하는 AI를 활용함으로써 임상의가 작업을 더 쉽고 빠르며 안정적으로 수행할 수 있게 해준다"는 것이다.

한편 연구진은 이 기술이 언젠가 스마트폰에 정보를 제공하는 웨어러블 센서에 통합될 것으로 예상했다. 샤하비 교수는 "뇌 발작은 갑자기 발생하므로 이를 조기에 발견하면 실제로 생명을 구할 수 있다"며 "시스템은 뇌파의 불규칙성을 감지하면 미리 경고할 수 있으며, 이는 뇌전증 진단과 치료에 큰 기회를 열어줄 것"이라고 강조했다.