망막 안저 사진을 보고 ADHD를 선별하는 AI의 정확도가 96.9%라는 연구결과가 발표됐다.

세브란스병원 소아정신과 천근아, 최항녕 교수, 연세대학교 의과대학 의생명시스템정보학교실 박유랑 교수팀은 망막 안저 사진을 보고 ADHD를 객관적이고 신속하게 스크리닝할 수 있는 AI를 개발했다.

이번 AI 개발에는 망막 안저 사진 1108개, 학습 알고리즘 모델 4가지, 오토모프 파이프라인(AutoMorph Pipeline) 기술을 사용했다. 오토모프 파이프라인은 망막 혈관을 형태학적으로 분석해주는 연구 도구다.

민감도(참양성률)과 특이도(거짓양성률)를 비교한 그래프의 AUROC(Area Under the Receiver Operating Characteristic Curve) 값이 최대 0.969(정확도 96.9%)에 달할 정도로 예측 성능이 우수했다. AUROC 값은 1에 가까울수록 성능이 좋다는 뜻이다.

(그래프 : ADHD와 정상대조군을 구분하는 AI 모델의 정확도 검증 결과, AUROC가 0.969로 높은 성능을 보였다)

AI 모델의 예측 결과가 어떻게 나왔는지 설명해주는 SHAP(Shapley Additive Explanations) 분석을 통해서는 ADHD와 관련있는 주요 망막 특징을 도출했다. 혈관 밀도 증가, 동맥 혈관 폭 감소, 시신경유두(optic disc) 구조 변화 등이 대표적인 증상이었다.

또 AI가 ADHD 환자의 망막 안저 사진을 보고 시각적 선택적 주의력(Visual Selective Attention)의 손상 정도를 예측하는 정확도를 측정했다. 

시각적 선택적 주의력은 특정 부분을 집중해서 바라보는 능력으로 ADHD 환자는 이 능력이 떨어진다. AI의 정확도는 87.3%였다.

천근아 교수는 “이번 연구를 통해 망막 안저 사진이 ADHD 진단의 중요한 바이오마커로서 활용할 수 있는 가능성 뿐 아니라 시각적 선택적 주의력 등 실행기능의 결함까지 예측할 수 있다는 것을 확인했다”며, “안저검사는 촬영 시간이 5분 이내로 매우 간편하며, 신속한 검사로 ADHD 치료제에 대한 효과를 모니터링하는 데도 활용 가능할 것으로 보인다”고 말했다.

이번 연구는 한국지능정보사회진흥원의 지원으로 수행됐다.

이번 연구 결과는 국제학술지 ‘npj 디지털 메디슨(npj Digital Medicine, IF 12.4)’에 게재됐다.

한편 주의력결핍 과잉행동장애(ADHD)는 학령기 아동 5~8%가 보이는 신경발달장애다. 

주의력 결핍, 충동성, 과잉행동이 주요 증상으로 진단과 치료가 늦어지면 학업, 사회적 관계, 정서적 발달에 영향을 미친다.

ADHD 진단은 인터뷰와 설문지 평가로 이뤄지기 때문에 검사자의 주관이 개입할 가능성이 크다. 

정상 행동과 증상 간 경계가 불명확하고 진단들이 불일치하는 경우가 발생할 정도로 빠른 진단이 쉽지 않다.

[메디컬월드뉴스 김영신 기자]