강남세브란스병원은 송경철 소아청소년과 교수 연구팀은 인공지능(AI)을 활용해 최적 치료제 용량을 예측하는 모델을 개발했다고 21일 밝혔다.

강남세브란스병원 송경철·김준영 교수, 고태훈 가톨릭의대 교수, 이강혁 박사 연구팀은 소아청소년 갑상선 기능 항진증 환자에게 사용하는 치료제 '메티마졸'의 최적 용량을 예측하는 AI 모델을 개발, 유효성을 검증했다.

소아청소년기 갑상선 기능 항진증은 갑상선 호르몬이 과도하게 분비되어 대사 속도가 비정상적으로 증가하는 질환이다. 성장기 아동의 성장 장애 및 학업 수행력 저하 등 신체·정신적 문제를 유발하며, 심각할 경우 갑상선 중독 발작과 같은 위협적인 합병증을 초래할 수 있어 조기 진단과 치료가 매우 중요하다.

왼쪽부터 강남세브란스병원 소아청소년과 송경철·김준영 교수, 가톨릭의대 고태훈 교수, 이강혁 박사

<이미지를 클릭하시면 크게 보실 수 있습니다>

소아청소년 갑상선 항진증의 1차 치료제는 '메티마졸'을 사용한다. 장기간 투여하므로 용량 오차가 발생하면 갑상선 기능 저하증을 비롯해 간독성, 백혈구 저하증 등 심각한 부작용의 위험이 있다.

연구팀은 강남세브란스병원, 용인세브란스병원, 건양대학교병원 등 3개 기관의 소아청소년 환자 데이터 총 2209건을 분석했다. 연구팀은 나이, 성별, 키, 체중 등 환자의 신체 계측 정보와 현재 및 직전 방문 시의 갑상선 기능 검사 결과, 과거 메티마졸 처방 용량 등의 변수를 활용해 선형회귀, 의사결정나무, XGBoost 등 다양한 기계학습 모델을 훈련시켰다.

연구 결과 XGBoost 모델이 내부와 외부 검증에서 모두 가장 뛰어난 성능을 보였다. 특히 XGBoost 모델의 외부 데이터 검증에서는 경험 많은 전문의가 처방한 용량과 평균 1.08mg의 오차(MAE)만을 보였다.

연구팀은 AI 기반 예측 모델의 투명성을 확보하기 위해 SHAP(SHapley Additive exPlanations) 분석 기법을 적용해 모델 예측에 가장 큰 영향을 미치는 변수들을 시각화하고 정량화했다. SHAP는 복잡한 인공지능이 특정 결과를 예측할 때 어떤 데이터를 근거로 그런 판단을 내렸는지 각 요인의 기여도를 측정하여 설명해주는 기술이다.

모델 예측에 가장 큰 영향을 미치는 변수는 실제 임상 진료에서 중요하게 생각하는 변수인 '이전 처방 용량' '유리 T4 호르몬' '혈중 T3 호르몬' 순으로 나타났다.

송경철 교수는 “이번 연구는 진료실에서 쌓아온 귀중한 경험을 정량화해 의료진의 결정을 정확하고 빠르게 돕는 AI 모델의 가능성을 엿볼 수 있었다”며 “앞으로 모델을 고도화해 환자 개개인의 특성에 맞는 최적의 맞춤 치료 전략을 수립할 수 있도록 노력하겠다”고 말했다.

정용철 기자 jungyc@etnews.com

[Copyright © 전자신문. 무단전재-재배포금지]