[황운하 기자]

[출처 : 123RF.com]

<이미지를 클릭하시면 크게 보실 수 있습니다>

그 결과 AST 모델은 정확도 91.1%, 정밀도 88.2%를 보였다. AI 모델이 실제로 우수한 성능을 나타내는지 평가하는 'F1-Score’도 82.2%로 나타나, CNN보다 분류 성능이 우수하다는 사실을 확인했다.

연구팀은 이 같은 결과에 대해 "AST 모델은 전체 호흡음의 문맥을 학습할 수 있는 구조로 설계된 만큼, 일부 정보만 분석하는 CNN 보다 훨씬 정밀한 분류가 가능하다"고 설명했다.

특히 AST 모델은 전처리 과정에서의 데이터 손실이 적고, 모델 자체가 경량화돼서 모바일 기기에서도 구동할 수 있다.

이는 향후 임상 현장에서 스마트 기기를 활용한 빠르고 정밀한 진단에도 도움이 될 것으로 전망된다. 특히 의료 접근성이 낮은 지역에서도 정확한 천명음 진단이 가능할 수 있다.

분당서울대병원 소아청소년과 김경훈 교수는 "소아는 성인보다 폐포 표면적이 작아서 호흡기 질환에 더 취약한 만큼 천명음을 정확히 구분하는 게 호흡기 질환의 조기 진단에 매우 중요한 부분"이라며 "이번 결과를 통해 AI 기반 AST 모델의 소아 호흡음 분석 기술을 임상에 적용할 가능성을 입증했다"고 말했다.

<저작권자 Copyright ⓒ 힐팁 무단전재 및 재배포 금지>