머신러닝 활용 수면무호흡증 진단법이 나왔다

STOP-BANG 체크리스트만 사용시보다 높은 정확도 보여

기존 STOP-BANG이라는 간단한 수면무호흡증 판정하는 자가진단 체크리스트에 인공지능과 머신러닝 기술을 결합시킨 새로운 진단법이 소개됐다.

대전을지대학교병원은 이비인후과 최명수 교수와 을지대학교 빅데이터의료융합학과 강민수 교수팀이 이 같은 연구 결과를 발표했다고 5월 30일 밝혔다. 

STOP-BANG 체크리스트는 수면무호흡증 진단에 널리 사용되는 방법으로 ▲큰 코골이 ▲피로감 ▲관찰된 수면무호흡 ▲고혈압 ▲체질량지수(35 이상) ▲나이(50세 초과) ▲목둘레(40cm 초과) ▲남성(성별) 총 8가지 항목으로 구성된다.

높은 민감도를 보이나, 체크리스트 항목이 포괄적이기 때문에 수면무호흡증이 없는 사람을 정확하게 판별하는 특이도가 낮은 단점이 있었다. 

연구팀은 이러한 한계를 극복하기 위해 STOP-BANG을 활용한 수면무호흡증 진단에 K-NN 머신러닝 모델을 적용했다. 

머신러닝은 데이터 기반으로 학습해서 스스로 추론할 수 있게 하는 기술로, 이에 수면무호흡환자에 대한 데이터를 대량으로 학습시켜 미세한 차이로 수면무호흡증 환자와 아닌 사람을 판별하는 정확도를 높인 것이다. 

그 결과, 머신러닝을 결합한 진단법은 민감도를 94%까지, 특이도를 85%까지 끌어올리는 성과를 보였다.

이는 기존의 STOP-BANG 체크리스트만을 사용할 때보다 훨씬 높은 정확도이다.

최 교수는 “이번 연구 결과를 통해 수면무호흡증 환자를 보다 편리하게, 조기에 진단할 수 있을 것으로 기대된다”며, “특히 건강검진 등 대규모 환자 조기 검진에 큰 도움이 될 것”이라고 전했다.

한편, 이번 ‘STOP-BANG’ 설문을 기반으로 머신러닝을 이용한 수면무호흡증 진단에 관한 연구’는 SCIE 저널인 'Applied Sciences'에 게재됐다.