연세의대 의생명시스템정보학교실 박유랑 교수·고찬영 강사 연구팀은 소아의 자폐스펙트럼장애의 중증도를 평가하는 AI 기반 모델을 구축했다고 밝혔다.

자폐스펙트럼장애는 다른 사람과 의사소통 등 상호작용에 어려움을 겪고 제한적인 관심사에만 반복적인 행동을 보이는 발달장애다.

연구팀은 소아의 사회적 기능 중 하나인 ‘공동주의(Joint attention)’ 행동의 객관적 평가·측정 방법을 개발했는데 공동주의 행동이란 타인과 상호작용 상황에서 나타나는 행동양상으로 소아의 비정상적인 공동주의 행동은 임상적으로 자폐스펙트럼장애를 진단하는 주요 행동지표로 알려졌다.

연구팀은 먼저 객관적으로 공동주의를 평가하고 유도된 행동을 비디오 데이터로 수집하는 프로토콜을 개발했다.

해당 프로토콜을 이용해 생후 24~72개월 자폐스펙트럼장애가 있는 소아 45명과 정상발달 소아 50명 등 총 95명을 대상으로 3가지 유형의 공동주의 행동 비디오를 수집했다.

수집한 비디오 데이터를 입력 값으로 자폐스펙트럼장애와 정상발달 유무를 식별하고 자폐스펙트럼장애의 중증도를 예측하는 딥 러닝 모델을 학습해 AI 기반의 자폐스펙트럼장애 평가 시스템을 구축했다.

A. 자폐스펙트럼장애 여부 평가 결과값_딥러닝 예측 모델을 이용해 자폐스펙트럼장애 여부를 평가한 결과 3가지 공동주의 유형 모두에서 4개 지표 모두 높은 수준으로 자폐스펙트럼장애 유무를 예측하는 것으로 나타났다. B. 자폐스펙트럼장애 중증도 평가 결과값_딥러닝 예측모델을 이용해 자폐스펙트럼장애 중증도를 평가한 결과 자발적 공동주의 영상을 입력값으로 분석했을 때, 가장 높은 수준의 예측 성능을 보였다. / 연세의료원 
A. 자폐스펙트럼장애 여부 평가 결과값_딥러닝 예측 모델을 이용해 자폐스펙트럼장애 여부를 평가한 결과 3가지 공동주의 유형 모두에서 4개 지표 모두 높은 수준으로 자폐스펙트럼장애 유무를 예측하는 것으로 나타났다. B. 자폐스펙트럼장애 중증도 평가 결과값_딥러닝 예측모델을 이용해 자폐스펙트럼장애 중증도를 평가한 결과 자발적 공동주의 영상을 입력값으로 분석했을 때, 가장 높은 수준의 예측 성능을 보였다. / 연세의료원 

연구팀은 공동주의 3가지 유형별로 딥 러닝 모델의 자폐스펙트럼장애 유무와 중증도 예측 성능을 ▲수신기 작동 특성 곡선(AUROC) ▲정확도 ▲정밀도(양성 예측도) ▲재현율(민감도) 4개 지표로 분석했다.

소아가 스스로 상호작용을 유도하는 자발적 공동주의 영상을 입력 값으로 예측 모델을 분석했을 때 AUROC 99.6%, 정확도 97.6%, 정밀도 95.5%, 재현율 99.2%를 기록했다. 다른 2가지 유형 영상을 입력 값으로 분석했을 때도 동등한 수준이었다.

자폐스펙트럼장애의 정도를 증상 없음과 경증-중등, 중증으로 구분한 중증도 평가에서는 자발적 공동주의 영상을 입력 값으로 분석했을 때 AUROC는 90.3%, 정확도 84.4%, 정밀도 76.2%, 재현율 84.8%로 다른 유형을 입력했을 때보다 높게 나타났다.

연구팀은 이에 대해 자발적 공동주의가 다른 유형의 공동주의보다 소아의 사회적 상호작용에 대한 욕구와 의도성을 좀 더 반영해 정밀한 분류가 된 것으로 추정했다.

박유랑 교수는 “이번 연구를 통해 소아의 행동지표를 디지털화해 객관적인 방법으로 자폐스펙트럼장애를 식별하고 증상의 심각도를 평가할 수 있는 모델을 개발했다”며 “향후여러 행동문제가 동반되는 뇌신경질환 연구와 임상적 평가를 위한 선별 및 정밀진단 보조도구 개발에 도움이 될 것”이라고 말했다.

이번 연구결과는 국제학술지 ‘JAMA Network Open'에 게재됐다.

저작권자 © 코리아헬스로그 무단전재 및 재배포 금지