[AI News] 23.04.19 '생성 AI'가 심장질환 진단 방식 확 바꾼다!... 메디컬에이아이, ICASSP 2023서 심전도 생성 인공지능 ‘ECGT2T’ 발표

2개 리드만으로 12 리드 심전도를 구성하는 기술로 스마트워치로 측정한 심전도 정보량의 한계 극복

 

본문 요약

- 심전도(Electrocardiogram, ECG)는 심장에서 발생하는 전기적 신호를 기록한 것으로, 심장질환을 진단하는 데 사용한다. 병원에서는 심장의 신호를 다양한 각도에서 측정해 12개의 심전도를 기록한다.

- 이와 달리 갤럭시워치나 애플워치는 한 가지 방향으로만 심장의 신호를 기록하기 때문에 1개의 심전도만 남긴다. 전자를 12리드(Lead) 심전도, 후자를 단일 리드(Single Lead)라고 부른다.

- 단일 리드 심전도는 12 리드 심전도에 비해 충분한 정보량을 갖지 못해 복잡한 심장질환을 확인하는 데 한계가 있다. 

- 이에 의료 인공지능(AI) 분석 전문기업 메디컬에이아이가 개발한 진단 방식을 혁신하는 ‘ECGT2T’는 2개 리드의 심전도만으로 나머지 10개 리드의 심전도를 합성해 12리드 심전도를 구성하는 기술 발표.

- 특히, 이 기술은 기존 1개의 심전도만 찍을 수 있는 스마트워치를 다른 지점에서 2번 측정하면 2개 리드의 심전도를 기록.

- 예를 들어, 애플워치를 왼팔에 차고 오른손은 크라운(애플워치에 달린 동그란 버튼)에 접촉한 후 심전도를 측정하고, 다시 애플워치를 배 위에 올려두고 오른손으로 크라운을 접촉해서 다른 리드를 측정하면 된다. 

도표는 실제 측정한 심전도와 ‘ECGT2T’가 생성한 심전도를 비교, 검은색은 원본 심전도이며 파란색은 ‘ECGT2T’가 2개 리드의 심전도를 기반으로 생성한 심전도다. 빨간색은 메디컬에이아이의 또 다른 생성형 AI 모델 ‘ECGS2E’로 생성한 심전도다. ‘ECGS2E’는 단일 리드 심전도로 11개 심전도를 생성한다. ‘ECGT2T’와 ‘ECGS2E’ 모두 원본 심전도와 매우 유사한 심전도를 생성했으며, V6에서 원본 심전도의 노이즈로 인한 기준선이 흔들렸지만 ‘ECGT2T’와 ‘ECGS2E’는 이를 교정한 심전도를 출력했다. 출처 : 인공지능신문(https://www.aitimes.kr)

 

- 실제 환자로부터 측정한 심전도와 ‘ECGT2T’를 통해 생성한 심전도를 비교해보니 시간의 오차는 15밀리초(millisecond, 1000분의 1초), 진폭의 오차는 10% 미만이었다. 

- ‘ECGT2T’ 역시 생성형 AI로써 기존에 심전도 측정이 가능한 스마트워치의 한계를 개선해 제한된 심전도로부터 더 많은 정보를 생성할 수 있다. 스마트워치 심전도를 통해 사용자에게 고도화된 헬스케어 서비스를 제공할 수 있을 것으로 기대된다. 

- 메디컬에이아이는 전체 심부전 환자의 약 50%를 차지하는 좌심실수축기능부전을 선별하는 심전도 분석 AI 소프트웨어(제품명 ‘AiTiALVSD’)를 지난 3월 31일 한국보건의료연구원으로부터 혁신의료기술로 지정 받고 의료현장 진출을 앞두고 있다.

- 한편, 메디컬에이아이는 ‘ECGT2T’의 성능을 연구를 통해 이미 입증한 바 있다. 700여 명의 환자를 대상으로 스마트워치로 측정한 심전도를 12 리드 심전도로 구성했다. 이를 토대로 심부전을 진단한 결과 95% 정확도를 나타냈다.

- 해당 연구는 국제학술지 ‘Diagnostics'에 '12-리드 심전도를 생성하여 심부전 감지를 위한 인공지능 강화 스마트워치 ECG(Artificial intelligence-enhanced smartwatch ECG for heart failure-reduced ejection fraction detection by generating 12-lead ECG 보기)' 란 제목으로 2022년 3월 8일 게재됐다.

추가 조사

1. MedicalAI 라는 회사는 무엇을 개발하는 회사인가?

심전도를 분석, 특정 질환에 대한 AI 예측 결과를 확인할 수 있는 진단 보조 SW 개발 회사.

1.  대량의 심전도 데이터를 통해 어떠한 심장의 특성이 어떠한 리드의 특징으로 연결되는지 알고 있습니다.
2. 따라서, 일부 리드가 주어졌을 때 그 리드가 갖고 있는 특징으로부터 심장의 특성들을 역으로 유추할 수 있습니다
3. 그러한 특성을 가지고 있는 심장으로부터 측정되는 각 리드별 신호의 세부 특징들 또한 유추할 수 있습니다.
4. 주어진 리드에 각 리드의 세부 특징들을 적용하여 변형, 12개의 리드를 얻을 수 있습니다.

꾸준히, 리서치 결과를 내고 있음!

최근, 시그널 데이터를 활용한 의료 AI 개발 활발히 이뤄지고 있음.

2. 다른 사례 

분당서울대병원 이비인후과 김정훈 교수팀, 소음 2만개 이상 학습, 실시간 진단으로 활용성 크게 높인 원천기술 개발.

수면다원검사를 통해 나타난 수면무호흡증 결과와 연구팀의 AI 모델의 비교 결과, 중증(a), 경증(b) 모두 높은 정확도를 보이고 있다

 

수면무호흡의 진단율을 높이기 위해 분당서울대병원 연구팀이 병원에서 각종 장비를 부착하고 실시하는 수면다원검사를 보완 및 대체할 수 있는 스마트폰 활용 진단 기술을 개발해 지난해 발표한 바 있는데, 최근에는 이를 인공지능(AI)으로 ‘실시간’ 수면무호흡 진단이 가능한 수준으로 발전시켜 주목받고 있다.

분당서울대병원 이비인후과 김정훈 교수팀와 AI 기반 슬립테크 스타트업 에이슬립(Asleep) 김대우 박사가 스마트폰을 활용해 다양한 소음이 발생하는 가정 환경에서도 실시간으로 수면 무호흡증을 감지할 수 있는 기술을 개발한 것이다.

1.  연구팀은 정확한 실시간 진단을 위해 수면다원검사에서 얻은 1,000여 개의 숨소리 데이터에 더해, 에어컨 등 가전 소음이나, 외부에서 들리는 차량 소음 등 2만 개 이상의 소음 데이터를 학습시킨 인공지능 모델을 활용. 그 결과, 각종 생활 소음이 있는 수면 환경에서도 정확도가 86% 수준에 이르는 것 나타남. 이번 연구에 활용된 가정 환경 소음 22,500개는 집에서 발생할 수 있는 거의 모든 소음이라며 “병원 환경과 달리 다양한 소음이 발생하는 가정에서도 수면무호흡증을 실시간으로 감지할 수 있어 향후 슬립테크(Sleep-tech) 분야의 중요한 원천 기술이 될 것”이라고 밝혔다.

2. 이번 연구결과는 첨단 헬스케어 분야의 최고 국제학술지 의학 인터넷 연구 저널(Journal of Medical Internet Research)에 '호흡음 기반 수면무호흡증 실시간 감지 및 가정 내 소음 이용한 예측 강화: 알고리즘 개발 및 검증(Real-Time Detection of Sleep Apnea Based on Breathing Sounds and Prediction Reinforcement Using Home Noises: Algorithm Development and Validation-다운)'란 제목으로 지난 2월 게재.

3. 연구팀은 해당 기술을 무료 어플리케이션 ‘슬립루틴(Sleep Routine)’에 적용 및 배포.

 

3줄 느낀점

1. 생체 신호를 활용한 의료 AI 확장성을 알게 된 연구 사례들이었음.

2. 시그널 끼리 비슷한 특성을 가지고 있으면 서로 비슷한 확률 분포를 띄고 시간축에 따라 흐르기 때문 -> 생성 모델이 잘 작동할 것. 가장 효과적이고 높은 정확도를 띌 것이라 생각함.

3. 요즘 대세 stable diffusion 이라는  확률 기반 생성 모델 역시 시계열인 생체 신호에 효율적일 것이라 생각.