학술
HOME > 뉴스 > 학술
김붕년 서울대 교수, AI로 ADHD·정상아동 손쉽게 진단
입력일 2019-09-10 19:18:12 l 수정일 2019-09-10 20:28:13
복합 뇌 영상분석 알고리즘 개발 … 정확도 85%, 부모·교사 주관적 판단 개입 방지

김붕년 서울대병원 소아청소년과 교수

적잖은 부모가 산만하고 쉽게 집중하지 못하는 아이를 보며 주의력결핍과잉행동장애(ADHD)가 아닌지 걱정한다. 단순히 어려서 그렇다며 넘어가려고 해도 정말 장애가 있는 것은 아닌지 걱정이 앞선다. 이런 가운데 ADHD 여부를 비교적 손쉽게 진단할 수 있는 알고리즘이 개발됐다.

김붕년 서울대병원 소아청소년과 교수, 정범석 카이스트(KAIST) 의과학대학원 교수, 유재현 가톨릭대 서울성모병원 정신건강의학과 교수팀은 인공지능(AI)을 기반으로 ADHD와 정상발달 아동을 구분할 수 있는 복합 뇌 영상분석 알고리즘을 개발했다고 10일 밝혔다.

ADHD는 아동기(만12세 이전)에 발병한 뒤 청소년기를 거쳐 성인까지 증상과 기능장애가 지속되는 신경정신질환이다. 집중력 저하, 산만함, 충동성이 특징적으로 나타났다. 진단은 장시간 전문적인 수련이 발달력평가, 평가척도활용, 진단면접도구 사용으로 이뤄진다.

문제는 평가 과정에서 부모나 교사의 보고에 의존하다보니 주관적인 판단이 개입될 여지가 큰 것이다. 불안감이 심한 부모는 자녀 문제에 대해 심각성을 높게 보고할 가능성이 있어 정보의 신뢰도를 신중하게 고려하는 작업이 필요했다.

또 치료가 꼭 필요한 아이임에도 부모나 돌보는 사람의 잘못된 믿음 탓에 제 때 치료받지 못하고 증상이 악화돼 합병증으로 고통받는 사례도 적잖았다. 이로 인해 ADHD 진단은 의료진의 높은 숙련도를 요구했다.

연구팀이 개발한 뇌 영상분석 알고리즘은 기능적자기공명영상(fMRI), 확산텐서영상(DTI, diffusion tensor imaging) 등을 통해 얻어진  ADHD 환자와 정상인의 다양한 뇌 영상에서 데이터를 획득한 뒤 두드러지게 차이나는 요소를 확인한다. 이후 기계학습으로 축적된 데이터를 반복학습한 알고리즘이 해당 뇌가 ADHD 환자의 뇌인지 정상인의 뇌인지 가려낸다.

이번에 개발된 알고리즘 모델은 약 85%의 정확도로 정상아동과 ADHD 아동을 구분했다. 복합 뇌영상 자료만으로 확인한 것을 고려하면 매우 높은 정확도다.

새 프로그램이 주목한 것은 몇몇 뇌 중요 부위에 발생한 발달적 이상이었다. ADHD 환자의 뇌는 ‘중요자극을 선별하는 네트워크’와 ‘반응억제를 담당하는 전전두엽’에 구조적인 결함이 뚜렷하게 나타났다. 즉 ADHD에서 흔히 관찰되는 부주의, 과잉행동, 충동성은 뇌 네트워크의 구조적 결함이 원인인 것으로 밝혀졌다.

김붕년 교수는 “이번 연구로 뇌영상 빅데이터를 통해 정상발달 아이와 ADHD 환아를 구별할 수 길이 열렸다”며 “복합 뇌 영상분석 알고리즘 AI 기반 플랫폼을 통해 향후 ADHD 행동의 원인을 좀더 명확히 설명할 수 있어 진단법 및 치료제 개발에 폭넓게 활용할 수 있을 것”이라고 말했다.
 
이번 연구결과는 국제학술지 ‘뇌영상과 행동(Brain Imaging & Behavior)’ 최신호에 게재됐다.

박정환 기자 superstar@healtho.co.kr
당사의 허락 없이 본 글과 사진의 무단 전재 및 재배포를 금합니다.
목록



의료 리스트
건강365레이더
생활건강
치료법
병원뉴스
의료계 동정
보건정책
학술
치과
한의학
의료산업
의료기기
건강강좌
건강신간
학회·학술행사
임상시험
호산과 함께 하는 키즈&맘
건강관절·척추만들기 프로젝트
1.JPG
[크기변환]untitled.png
서울시립보라매병원.jpg
윌스기념병원 최종심의버젼.gif
[크기변환]cha.png
1.jpg
세브란스.png
AZ.jpg
분당서울대.jpg
자생한방병원226x100.jpg
고려대.jpg
녹십자셀_배너.gif
중대.png
건대.png
320121012_samsung.jpg
원자력병원.jpg