머신러닝 알고리즘을 이용해 극소저체중출생아의 뇌실내출혈 및 1주 이내에 사망 예측 모델을 구축하는 데 성공했다.

전북대학교병원(병원장 유희철) 소아청소년과 김현호 교수는 한국 신생아네트워크 데이터 세트를 이용해 극소저체중출생아의 출생 직전부터 생후 초기까지 상태 및 질환과 뇌실내출혈의 발생과 관계를 확인하고, 머신러닝에 기반한 심한 뇌실내출혈의 예측 모델을 만들고자 했다.

이번 연구는 한국 신생아 네트워크에 등록된 출생 몸무게 1,500g 미만의 극소저체중출생아를 대상으로 진행됐다. 목표 변수는 3-4단계의 뇌실내출혈을 진단받았거나 생후 1주일 이내에 사망 여부로 정했다. 

특성값은 데이터가 획득 가능한 시점에 따라 3개의 단계로 구분하여 모델의 훈련에 적용했다.

이 데이터는 6:2:2 비율로 훈련 세트, 검증 세트, 테스트 세트로 분할됐으며, 층화된 k-fold 교차 검증을 이용하여 모델 훈련에 사용됐다. 

이진 목표 변수의 분류에 사용되는 머신러닝 알고리즘을 이용하여 모델을 구축했다.

김현호 교수는 “이번 연구를 출생 초기에 적용하는 신생아 소생술과 같은 처치 및 관리에 모델을 반영한다면, 출생 초기 뇌실내출혈로 인한 영구적인 뇌 병변의 발생을 예방할 수 있을 것이다.”라며, “이번 연구를 바탕으로 미숙아의 뇌실내출혈을 예측할 수 있는 인공지능 모델로 구축하게 된다면, 미숙아의 예후가 좋아질 뿐만 아니라, 신생아 집중치료실에 근무하는 의료진의 두려움을 줄이고 의료 질 향상에 기여할 수 있을 것으로 기대된다.”라고 말했다.

이번 연구는 2023년도 과학기술정보통신부의 재원으로 한국연구재단 바이오·의료기술개발사업의 지원을 받아 수행됐다.

이번 연구결과는 계명대학교 동산병원 및 의과대학에서 개최된 2023년 대한의료정보학회 춘계학술대회에서 ‘머신러닝 알고리즘을 이용한 극소저체중출생아의 뇌실내출혈 조기 예측 모델’이라는 주제의 논문을 발표해 우수연제논문상을 수상했다.

한편 미숙아의 뇌실내출혈은 뇌 손상과 수두증과 같은 심각한 신경학적인 합병증을 일으키고 심각한 뇌실내출혈은 뇌성 마비에서 사망까지 이르게 한다. 

뇌실내출혈은 생후 초기에 발생의 빈도가 높아 생후 초기의 환자 상태의 파악과 적절한 케어 및 질환 예방이 필요하다.

[메디컬월드뉴스 김영신 기자]