이번 연구는 분석이 어려운 홀터 심전도 데이터를 딥러닝 알고리즘으로 분석해 잠재된 발작성 심방세동(Paroxysmal Atrial Fibrillation, PAF)을 진단할 수 있는지를 확인한 연구로서 삼성서울병원 김주연 교수팀과 공동으로 진행됐다.
연구팀은 딥러닝 모델을 구축하고 24시간 홀터 검사로 측정한 정상 동리듬 심전도(Normal Sinus Rhythm)를 분석해 발작성 심방세동의 숨겨진 신호를 감지할 수 있는지 확인했다. 발작성 심방세동은 정상 동리듬 심전도가 유지되다가 일시적으로 매우 불규칙한 맥박이 발생했다가 사라지는 심방세동의 한 종류로, 증상이 없고 간헐적으로 발생하기 때문에 병원이나 건강검진센터에서 우연히 발견되지 않는 한 진단이 어려운 경우가 많다.
연구 결과 해당 모델은 24시간 홀터 측정 시 심방세동이 확인되지 않은 심전도 데이터 중 1년 내 심방세동을 진단받은 환자의 데이터와 진단받은 적 없는 환자의 데이터를 유의미하게 구분해냈다.
이는 딥러닝 모델이 홀터 심전도와 같이 노이즈가 많은 정상 동리듬 심전도에서 숨겨진 발작성 심방세동의 신호를 감지해낼 수 있음을 의미하며, 더 나아가 홀터 심전계 및 최근 떠오르는 패치형 심전계 시장의 성장에도 기여할 수 있음을 시사한다. 또한 인공지능이 뇌졸중의 주요 원인 중 하나인 심방세동의 가능성을 정확히 진단할 수 있다면, 항응고제 처방 등 적절한 뇌졸중 예방 및 재발 방지에도 기여할 수 있다는 것을 보여준다.
뷰노 이예하 대표는 “이번 연구는 분석이 까다로운 24시간 홀터로 측정된 심전도 데이터를 분석하는 우수한 R&D 역량을 입증했다는 점에서 의미가 크다”며 “이번 결과를 토대로 향후 홀터 심전계는 물론 패치나 환자감시장치 등에도 호환이 가능하여 더 많은 환자 접점을 갖는 AI 의료기기를 선보이도록 노력하겠다”고 말했다.
임혜정 기자
press@healthinnews.co.kr