분당서울대병원, 천식 환자 ‘쌕쌕거림’ 놓치지 않는 AI 개발

천식 환자 '천명음' 정밀 구분 가능한 AI 모델
새로운 환경에도 유연 대응…평균 정확도 85%
"조기 진단 가능한 AI 청진 시스템 구축 기대"

(왼쪽부터) 김경훈 분당서울대병원 소아청소년과 교수, 김준우 광주과학기술원 박사후연구원./분당서울대병원

분당서울대학교병원이 기관지가 좁아지면서 발생하는 이상 호흡음을 새로운 환경에서도 감지하는 인공지능(AI) 모델을 개발했다. 의료기기·청진 위치·연령 등 환경변화에도 소아 천식 등 호흡기 질환의 진단에 활용 가능성이 커질 것으로 기대된다.

김경훈 분당서울대병원 소아청소년과 교수팀(제1저자 김준우 광주과학기술원 박사후연구원)은 기존 학습 환경과 다른 곳에서 수집된 호흡음에서도 천명음(쌕쌕거림)을 정밀하게 구분하는 AI모델을 개발했다고 19일 밝혔다. 이번 연구는 서울대학교에서 연구비 지원을 받아 수행됐으며, 의료정보 분야 저명 국제학술지 'IEEE Journal of Biomedical and Health Informatics(IF: 6.8)'에 게재됐다.

천명음은 천식 환자에서 흔히 나타나는 이상 호흡음으로, 기도가 좁아져 숨을 쉴 때마다 나는 고음의 쌕쌕거리는 것이 특징이다. 특히 소아는 성인보다 기도 구조가 좁아 호흡기질환에 취약해 천명음을 조기에 진단하는 것이 중요하다.

기존 AI 기술은 천명음과 같은 비정상적 숨소리를 탐지했지만 호흡음이 의료기기, 청진 위치, 환자 연령 및 성별 등 환경적 요소인 '메타데이터'에 따라 크게 변동되는 한계가 있었다. 각 메타데이터가 호흡음에 미치는 영향이 서로 다르지만 이를 충분히 반영하지 못했기 때문이다.

이를 해결하기 위해 연구팀은 메타데이터의 영향력을 학습 과정에 효과적으로 반영하는 두 가지 방법을 제안했다. 첫 번째는 메타데이터별 중요도를 AI가 자동으로 판단해 학습 비중을 조정하는 '적응형 메타데이터 모델', 두 번째는 해당 작업을 연구자가 수동으로 수행하는 '메타데이터 활용 모델'이다.

연구팀은 두 모델의 성능을 검증하기 위해 메타데이터 구성이 서로 다른 두 데이터셋을 활용했다. 소아 환자만을 대상으로 한 분당서울대병원 호흡음 데이터(2134개)와 연령대가 다양한 국제 공공데이터(ICBHI, 6898개)를 훈련용 및 테스트용으로 나눠 천명음 감지 정확도를 평가했다.

그 결과 적응형 메타데이터 모델의 평균 정확도는 84.97%로 기존 모델(79.14%) 대비 약 7.37% 높게 나타났고, 메타데이터 활용 모델은 84.58%로 확인됐다. 특히 AI가 환경에 따라 가중치를 자동으로 조정하는 적응형 메타데이터 모델이 효율성과 실용성 측면에서 모두 우수함을 입증했다.

이번 연구는 실제 임상 환경처럼 새로운 데이터가 지속적으로 유입되는 상황을 고려해, AI가 환경 변화에 유연하게 대응할 수 있도록 설계됐다는 점에서 의의가 크다.

김경훈 교수는 "청진은 이제 의사의 주관적 판단에 의존하던 단계에서 벗어나 AI 기반의 정량적 진단 체계로 전환되고 있다"며 "이번 연구는 의료 현장에서 소아 천식을 비롯한 호흡기질환을 조기 진단하고 모니터링할 수 있는 표준화된 AI 청진 시스템을 구축하는 데 기여할 것"이라고 밝혔다.