폐음 청진시 호흡주기 실시간 자동 감지…의료진 의존도 줄여
원광대 한의대·서울대병원 공동연구, ‘Computers in Biology and Medicine’ 게재

[한의신문] 원광대학교(총장 박성태) 한의과대학 생리학교실 박사윤 교수 연구팀이 AI 기술을 활용해 폐음 청진 시 호흡주기를 자동으로 탐지하는 획기적인 시스템을 개발했다고 발표했다.

이번 연구는 서울대병원 융합의학과 김광수 교수 및 소아호흡기알레르기분과 서동인·박지수 교수팀과의 공동연구로 진행됐으며, 연구 성과는 생체의학 분야 국제 저명학술지인 ‘Computers in Biology and Medicine(IF: 6.3, JCR 상위 6%)’에 게재됐다.

연구팀이 개발한 ‘LUNAR(LUNg Auscultation Respiratory detector)’ 시스템은 기존 호흡음 분석의 한계를 극복한 혁신적 기술이라는 설명이다.

즉 기존 호흡음 분석 모델들은 전문가의 수동 주석이 필요하고, 주파수 영역 변환 과정에서 중요한 시간 정보를 손실하는 문제가 있었다. 또한 임상의의 경험과 전문성에 크게 의존해 진단 일관성이 떨어지고, 의료 접근성이 제한되는 한계가 있었다.

‘LUNAR’ 시스템, 기존 기술의 한계 극복

LUNAR는 이같은 기존 모델들이 갖고 있는 문제들을 해결하기 위해 ‘원시 시간 신호(raw signal)’를 직접 처리하고, 호흡의 주기적 특성을 명시적으로 모델링하는 새로운 접근법을 도입했다.

특히 연구팀의 핵심 기술은 ‘호흡 주기성 인식 모듈(Respiratory Periodicity Awareness Module·RPAM)’로, 이 모듈은 흡입과 호기의 교대 패턴을 학습해 호흡주기 탐지 정확도를 크게 향상시켰다.

박사윤 교수는 “RPAM 모듈을 적용한 결과 6가지 서로 다른 신경망 구조에서 일관되게 성능이 향상됐다”면서 “기존 대비 평균 정밀도(AP)는 12.0%, F1 점수는 6.3% 개선됐다”고 설명했다.

실제 연구팀은 △HF Lung V1(33,604 호흡수) △ICBHI(6,887 호흡수) △SNUCH Lung(3,477 호흡수) 등 3개의 서로 다른 데이터셋을 활용해 LUNAR 시스템의 성능을 검증한 결과, HF Lung V1 데이터셋에서는 AP 0.880, F1 점수 0.894를 달성하며 기존 연구 대비 현저한 성능 향상을 입증했다.

특히 소아 환자를 대상으로 한 SNUCH Lung 데이터셋에서도 AP 0.892, F1 점수 0.847의 우수한 성능을 보여 연령대에 관계없이 안정적으로 작동, 성인과 소아 환자군 모두에서 활용할 수 있음을 확인했다.

이와 함께 기존 방법들이 MFCC나 멜 스펙트로그램으로 변환하는 과정에서 시간 정보를 손실하는 것과 달리, LUNAR 시스템은 원시 시간 신호를 직접 분석해 호흡주기 탐지에 중요한 시간적 특성을 보존한다. 실제 연구 결과에서도 원시 신호 처리 방식이 MFCC 대비 AP 5.9%, F1 점수 3.11% 향상된 성능을 보였다.

정확한 호흡기 질환 진단 가능 ‘기대’

이번 연구 성과는 자동화된 호흡음 분석 시스템 개발의 중요한 토대를 제공하는 것으로, 의료진의 전문성에 대한 의존도를 줄여 의료 접근성이 제한된 환경에서도 정확한 호흡기 질환 진단이 가능할 것으로 기대된다.

더불어 호흡 주기 감지 시스템은 자동 레이블링을 넘어서 더 넓은 활용 가능성을 가지고 있다. 즉 정확한 시간 분석을 통해 천식이나 기관지염 등 질환의 중증도를 구별하고 치료 방향을 결정하는 데 중요한 정보를 제공할 수 있으며, 건강한 사람들에서도 호흡 패턴과 건강상태 간의 상관관계를 규명하는 등 다양한 후속 연구의 기반이 될 것으로 기대된다.

박사윤 교수는 “LUNAR는 천식, 만성폐쇄성폐질환, 폐렴 등 호흡기 질환의 조기 진단과 치료 효과 모니터링에 중요한 도구가 될 것”이라며 “향후 다기관 데이터 수집과 비정상 호흡음 탐지로 확장해 나갈 계획”이라고 밝혔다.

특히 박 교수는 “호흡기 질환은 전 세계적으로도 주요한 사망 원인 중 하나로, 만성폐쇄성폐질환의 경우 2020년부터 2050년까지 23% 증가해 약 6억 명의 환자가 발생할 것으로 예상되며, 경제적 부담도 4조3000억 달러에 달할 전망”이라며 “이러한 상황에서 LUNAR와 같은 AI 기반 자동 진단 시스템은 의료 자원이 부족한 지역에서도 정확하고 일관된 진단을 가능하게 해 글로벌 의료 격차 해소에 기여할 수 있을 것”이라고 강조했다.

한편 이번 연구는 과학기술정보통신부 한국연구재단의 개인기초연구사업(중견연구)의 지원을 받아 수행됐다.

출처 : 한의신문(https://www.akomnews.com)