"인공지능으로 뇌신경 생리신호 '뇌파' 분석…정확도 92%"
분당서울대병원-서울대, 소아 218명 뇌파 분석
(서울=연합뉴스) 강애란 기자 = 국내 연구팀이 수면다원검사 등 뇌신경 생리신호 분석에 인공지능을 활용할 수 있는 가능성을 확인했다.
분당서울대병원 소아청소년과 황희·김헌민 교수팀과 서울대학교 공과대학 전기정보공학부 윤성로 교수팀은 뇌파검사에 딥러닝 모델을 도입, 수면 단계를 자동으로 분석하는 알고리즘을 개발했다고 26일 밝혔다.
뇌파는 현재 체외에서 측정할 수 있는 유일한 중추신경계의 생리적 마커로 수면검사 및 뇌파검사 등을 통해 다양한 신경계 질환에서 이상 반응을 측정하는 중요한 지표로 사용된다.
뇌파검사는 수면다원검사에도 활용되는데 각성, 렘수면, 비렘수면 등으로 의식 상태를 구분하는 것은 판독의 가장 중요한 부분이다.
하지만 이런 검사는 시간이 오래 걸리고, 다양한 기준을 동시에 적용하는 까다로운 과정이어서 환자와 의료진에게 큰 부담이었다.
연구팀은 기존 머신러닝을 통한 뇌파 분석모델보다 더 진보한 합성곱신경망(CNN : Convolutional Neural Network)과 장단기 메모리 방식(LSTM : Long-Short Term Memory)의 순환신경망을 동시에 적용한 '하이브리드 알고리즘'을 적용했다.
합성곱신경망은 주로 이미지 분석에, 순환신경망은 주로 시계열 분석(시간의 경과에 따른 관측값 분석)에 사용된다.
먼저 분당서울대병원에서는 건강한 소아 218명의 정상 뇌파를 분석, 최대 3만5천여개의 뇌파 분석 단위에 대해 3명의 숙련된 신경과 의사가 각각 독립적으로 수면 단계를 구분했다.
서울대학교 공과대학 인공지능연구소는 이 자료를 바탕으로 다양한 종류의 데이터 조합과 프로세스를 적용해 가장 좋은 성능으로 각성 수면 단계를 자동으로 분석하는 알고리즘을 개발했다.
이를 통해 개발된 알고리즘은 뇌파 전문가 3명이 분석한 자료 대비 약 92% 정도의 높은 정확도로 수면 단계를 구분해냈다. 맨눈으로 구별이 가장 잘 되는 각성에 대한 분석에서 알고리즘의 정확도는 96%였다.
뇌파 자체와 주파수 정보를 분석 대상으로 함께 이용할 때 정확도가 가장 높았고, 분석 단위를 30초로 하고 뇌파 전체를 이용할 때 알고리즘의 성능이 가장 좋았다.
연구팀은 "다년간의 수련과 전문성이 필요한 뇌파 분석에 인공지능을 적용하면 인적 오류를 최소화할 수 있다"며 "인공지능이 고도화됨에 따라 더 정확하고 상세한 분석을 시행해 뇌파 분석의 효율을 높이고 질적 수준 향상을 기대할 수 있다"고 말했다.
이어 "향후 인공 지능 자동 뇌파 분석 소프트웨어에서 전향적으로 뇌파를 분석하면서 그 성능을 더욱 높이는 학습을 진행할 예정"이라고 덧붙였다.
이 연구는 과학기술정보통신부 산하 정보통신산업진흥원(NIPA)의 기계 학습을 이용한 지능형 의료 소프트웨어 개발 사업 '닥터 앤서' 프로젝트 일환으로 진행됐다. 연구 결과는 국제전기전자기술자협회(IEEE) 학술지 'IEEE Access' 7월호에 게재됐다.
aeran@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포 금지>
분당서울대병원-서울대, 소아 218명 뇌파 분석
(서울=연합뉴스) 강애란 기자 = 국내 연구팀이 수면다원검사 등 뇌신경 생리신호 분석에 인공지능을 활용할 수 있는 가능성을 확인했다.
분당서울대병원 소아청소년과 황희·김헌민 교수팀과 서울대학교 공과대학 전기정보공학부 윤성로 교수팀은 뇌파검사에 딥러닝 모델을 도입, 수면 단계를 자동으로 분석하는 알고리즘을 개발했다고 26일 밝혔다.
뇌파는 현재 체외에서 측정할 수 있는 유일한 중추신경계의 생리적 마커로 수면검사 및 뇌파검사 등을 통해 다양한 신경계 질환에서 이상 반응을 측정하는 중요한 지표로 사용된다.
뇌파검사는 수면다원검사에도 활용되는데 각성, 렘수면, 비렘수면 등으로 의식 상태를 구분하는 것은 판독의 가장 중요한 부분이다.
하지만 이런 검사는 시간이 오래 걸리고, 다양한 기준을 동시에 적용하는 까다로운 과정이어서 환자와 의료진에게 큰 부담이었다.
연구팀은 기존 머신러닝을 통한 뇌파 분석모델보다 더 진보한 합성곱신경망(CNN : Convolutional Neural Network)과 장단기 메모리 방식(LSTM : Long-Short Term Memory)의 순환신경망을 동시에 적용한 '하이브리드 알고리즘'을 적용했다.
합성곱신경망은 주로 이미지 분석에, 순환신경망은 주로 시계열 분석(시간의 경과에 따른 관측값 분석)에 사용된다.
먼저 분당서울대병원에서는 건강한 소아 218명의 정상 뇌파를 분석, 최대 3만5천여개의 뇌파 분석 단위에 대해 3명의 숙련된 신경과 의사가 각각 독립적으로 수면 단계를 구분했다.
서울대학교 공과대학 인공지능연구소는 이 자료를 바탕으로 다양한 종류의 데이터 조합과 프로세스를 적용해 가장 좋은 성능으로 각성 수면 단계를 자동으로 분석하는 알고리즘을 개발했다.
이를 통해 개발된 알고리즘은 뇌파 전문가 3명이 분석한 자료 대비 약 92% 정도의 높은 정확도로 수면 단계를 구분해냈다. 맨눈으로 구별이 가장 잘 되는 각성에 대한 분석에서 알고리즘의 정확도는 96%였다.
뇌파 자체와 주파수 정보를 분석 대상으로 함께 이용할 때 정확도가 가장 높았고, 분석 단위를 30초로 하고 뇌파 전체를 이용할 때 알고리즘의 성능이 가장 좋았다.
연구팀은 "다년간의 수련과 전문성이 필요한 뇌파 분석에 인공지능을 적용하면 인적 오류를 최소화할 수 있다"며 "인공지능이 고도화됨에 따라 더 정확하고 상세한 분석을 시행해 뇌파 분석의 효율을 높이고 질적 수준 향상을 기대할 수 있다"고 말했다.
이어 "향후 인공 지능 자동 뇌파 분석 소프트웨어에서 전향적으로 뇌파를 분석하면서 그 성능을 더욱 높이는 학습을 진행할 예정"이라고 덧붙였다.
이 연구는 과학기술정보통신부 산하 정보통신산업진흥원(NIPA)의 기계 학습을 이용한 지능형 의료 소프트웨어 개발 사업 '닥터 앤서' 프로젝트 일환으로 진행됐다. 연구 결과는 국제전기전자기술자협회(IEEE) 학술지 'IEEE Access' 7월호에 게재됐다.
aeran@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포 금지>
관련뉴스
