딥러닝 기반 CT 분석 ‘폐쇄성 수면무호흡증’ 진단·중증도 예측 기술 개발

기존의 수면다원검사보다 더 빠르고 비용 효율적인 폐쇄성 수면무호흡증 진단의 대안이 제시됐다. 서울대병원은 융합의학과 공현중 교수와 이비인후과 김현직 교수, 분당서울대병원 이비인후과 김정훈 교수, 동국대일산병원 이비인후과 박석원 교수와 김진엽 교수, DGIST 전기전자컴퓨터공학과 황재윤 교수(이경수 전북대 교수)로 구성된 공동 연구팀은 총 1018명의 폐쇄성 수면무호흡증 환자를 대상으로 딥러닝 모델을 기반으로 한 CT 영상 분석을 통해 진단 및 중증도 예측 방법을 개발했다고 10월 4일 밝혔다. 기존의 수면다원검사는 비용이 높고 의료 접근성이 제한적이라 많은 환자들이 적절한 진단을 받지 못하고 있다. 연구팀은 이러한 문제를 해결하기 위해, 기존에 촬영된 부비동을 포함한 두개안면 CT 이미지를 활용해 폐쇄성 수면무호흡증을 진단하고 중증도를 예측할 수 있는 딥러닝 모델 AirwayNet-MM-H를 개발했다. 이 모델은 3D CT 이미지와 환자의 나이, 성별, 체질량지수(BMI) 등을 결합해 예측의 정확도를 크게 향상시켰으며, 기도 부위를 강조하는 전처리 알고리즘을 적용해 성능을 더욱 개선했다. AirwayNet-MM-H 모델은 CT 이미지의 3차원 구조를 분석하는

• 김민준 기자
• 2024-10-05 08:18