연구요약

- 2023 ESC 영상 분야 인공 지능 기반 연구는 과거에 비해 좀더 임상적으로 성숙함을 보여주고 있다. 호주의 Geoffrey Strange 교수팀은 작년 ESC에서 인공지능 기반 대동맥판 협착증의 진단 알고리즘 (Neural network 와 Gaussian prediction을 이용)을 발표하고 인공지능 기반 자동 경보 시스템 (AI based automated alert system: AI-AAS)의 역할을 최근 논문으로도 출간하였다.1 당시 호주 나라 전반에 걸칠 대규모 데이터를 이용한 만큼 데이터의 양은 수십만명으로 방대하나 질은 좋지 않아 대동맥판 면적이 빠진 경우도 수천 개이고 심장 관련 사망 등의 임상 정보들이 빠져 있어 한계점들이 있었던 것이 사실이다. 올해는 DASE-AI 연구 프로젝트 하에 2개의 3차 병원에서 수집한 9189의 증례의 심초음파 수치 결과 및 동반질환, 심장 관련 사망 사건 등의 임상 정보들을 포함한 비교적 정제된 데이터를 이용하여 클라우드 기반 인공지능 소프트웨어인 Echo IQ에서 개발한 EchoSolv™에 적용하여 발표하였다. EchoSolv™는 최근 Tromp 등이 발표한 자동화된 심초음파 영상 측정은 아니며 여러 심초음파 검사 수치들로 알고리즘을 짜서 대동맥판 협착을 진단하는 것으로 보여진다. 다기관 후향적 연구이나 암맹화된 인공지능 판단을 통해 일상적 판독과 대동맥판 협착 진단 및 치료 패턴을 비교하였다.²

방법은 우선 일상적인 심초음파 판독이 된 기존 심초음파 수치들인 혈류역학 데이터를 추출한 다음 EchoSolv™를 실행하여 판독 결과를 얻고 다음 다시 잘 훈련된 2명의 순환기 영상 펠로우가 재차 확인함으로써 서로 비교하고 재평가하였다. 기존의 일상적 판독은 9189명의 환자 중 218 (2.4%)환자가 중증의 대동맥판 협착증을 진단받았으나 AI based reclassification 에서는 진료 지침으로 중증의 대동맥판 협착증에 합당한 376 (4.1%)과 phenotype 중증의 대동맥판 협착증 환자가 66 (0.72%)이 확인되었다. 이는 일상적 인간 판독에 비해 선입견 없는 객관적인 AI 판독으로 66% 중증의 대동맥판 협착증을 더 찾은 결과를 가져왔다. 인공지능 판독에서 중증의 대동맥판 협착증으로 진단된 환자들 중에 149 명과 phenotype 중증의 대동맥판 협착증 40 명은 실제 시술이나 약물 치료를 전혀 받지 않았다고 확인되어 인공지능 판독에 따른다면 이런 환자들을 추가적인 치료를 해 볼 기회를 갖을 수 있었을 것이다. 특히 이런 조치가 이루어지지 않는 환자들을 분석해보면 60% 가량의 환자들이 증상이 있어 치료 지침에 따른 적적할 처치를 못해 주었음을 확인하였다.

또한 인간 판독의 경우 중증 대동맥판 협착증와 비중증 대동맥판 협착증간 좌심실, 우심실 심장기능이 별다른 차이를 보이지 않는 반면에 인공지능 판독의 경우 차이를 보이고 있어 phenotype 측면에서 대동맥판 협착증 판독에는 인간에 비해 더 정확할 수 있음을 보여주었다.

물론 본 연구는 몇 가지 한계를 가지고 있다. 첫째, 본 연구에서 이용된 EchoSolv™는 클라우드에 공유되고 있으나 이런 류의 프로그램들은 수익을 창출해야 하는 회사이기 때문에 정확한 알고리즘을 공유하고 있지 않다. 또한 대부분 개발한지 얼마되지 않아 다국적 대규모 validation 은 안된 것으로 보여진다. 둘째, 본 연구는 RCT는 아니며 치료 패턴을 확인할 때 일부 환자들은 동반 질환이나 frailty등 다른 여러 이유로 인해 시술을 하지 못한 경우도 있었을 수 있다. 마지막으로, 연구자 발표시에 강조한 것은 이러한 인공지능 판독은 의사에 의한 일상적인 판독을 대신한다는 것은 아니며 단지 판독자에게 추가적인 자동화된 alert 로 도움을 줄 수 있다는 것이다.

임상적 의의

중증 대동맥판 협착증을 진단할 때는 여러 고려 사항들이 있다. 이는 이완기 심기능 평가처럼 구조화된 알고리즘화 되어 있지 않고 각각의 수치들이 나열되어 있으므로 판독하는 의사들에 의해 의견이 엇갈릴 수 있다. 또한 phenotype 확인에 중요한 우심실, 좌심실의 기능을 반영하는 것도 숙련도에 따라 달라 질 수 있다. 따라서 계산하기가 복잡해서 임상에서의 사용의 효용성이 떨어 질지도 모를 인간 알고리즘을 만드는 수고보다 아직은 갈 길이 꽤 남아 있지만 실행하기 쉬운 인공지능 알고리즘의 도움을 받는 것도 좋을 것이다.

참고문헌

1) Strange G, et al. Open Heart 2023;10:e002265.
2) Tromp J, et al. Lancet Digit Health 2022;4:e46-e54.