요관결석은 신장, 요관, 방광, 요도 등 요로계에 결석이 생겨 소변의 흐름이 원활하지 않게 되고, 그 결과 칼로 찌르는 듯한 극심한 통증을 유발하는 질환이다. 이 같은 요관결석을 인공지능을 이용해 치료 성공률을 높일 수 있는 예측모델이 개발됐다.  

한준현 한림대동탄성심병원 비뇨의학과 교수(교신저자), 이성호 병원장, 김종근․최창일․이원철 교수, 김의석․권효상․양원종 레지던트와 연세대학교 임도형 교수 연구팀은 인공지능을 활용해 요관결석 환자의 내시경화면 속 결석 성분을 정확히 예측할 수 있는 모델을 개발했다. 

‘인공지능을 이용한 요관결석 성분 분석(A Prediction Model Using Machine Learning Alogrithm for Assessing Stone-Free Status after Single Session Shock Wave Lithotripsy to Treat Ureteral Stones)’이라는 제목의 이 연구는 SCI급 대한비뇨의학회 공식 국제학술지인 ‘Investigative and Clinical Urology’(IF: 2.186) 5월호에 게재됐다. 

요관결석 치료법으로는 요도내시경을 이용해 결석을 조각 내 제거하는 방법이 많이 쓰이고 있다. 이때 내시경 카메라를 통해 결석의 성분과 강도를 예측하는 것은 시술 중 적절한 도구를 선택하고 결석 생성의 원인을 분석해 시술 후 환자관리에 큰 도움이 될 수 있다.

연구팀은 딥러닝에 활용할 데이터를 얻기 위해 2018년 1월부터 2021년 3월까지 한림대학교동탄성심병원에서 요관결석으로 내시경시술을 받은 환자의 결석 1332개를 분석했다. 이후 결석을 형성하는 분자의 고유 진동 주파수와 일치하는 특정 파장대의 적외선을 흡수시키는 방법으로 가장 적합한 성분과 조성비를 찾아낼 수 있었다.

분석결과 1332개의 결석 중 한 종류의 성분으로만 이뤄진 순석이 54%인 720개(7종)였고, 혼합석이 46%인 612개(24종)이었다. 전체 결석은 성분의 비율에 따라 31개 등급으로 분류됐고, 이중 가장 많은 결석이 포함된 상위 4개 등급으로 965개의 결석이 포함됐다. 

가장 많은 성분은 칼륨 옥살레이트 일수화물 100%(469개)였고, 다음으로 칼슘 옥살레이트 일수화물 80%와 스트루바이트 20%(240개), 칼슘 옥살레이트 일수화물 60%와 이수화물 40%(137개), 요산 100%(119개) 순이었다. 

이렇게 얻어진 데이터를 바탕으로 요관결석 성분 분석 인공지능 모델을 개발한 결과 양성 예측확률인 민감도와 음성 예측확률인 특이도가 85~99%로 나타났다. 이는 글로벌 연구에서 의사가 내시경화면을 통해 직접 결석을 관찰하고 구성요소를 예측했을 때의 정확도가 39%였던 것과 비교해 매우 높은 수치이다.

한준현 교수는 “이번 연구결과를 통해 적절한 시술도구를 선택하고 결석의 생성 원인을 분석해 요관결석 치료의 효율성을 높일 수 있을 것으로 기대된다. 예를 들어 성분 중 스트루바이트가 있는 경우 결석 생성의 원인이 감염 때문일 수 있어 시술 후 항생제 투여 등 감염치료에 대한 계획을 세울 수 있다”며 “또한 재발성 결석과 대사질환에 의한 결석을 구분해 결석의 원인을 분석하고 요관결석 재발을 예방하는 데 도움이 될 것으로 기대된다”고 설명했다.

한편 이성호 한림대동탄성심병원 비뇨의학과 병원장 연구팀은 2018년 인공지능으로 요관결석 환자의 체외충격파쇄석술 성공률을 예측하는 모델을 개발해 연구결과를 세계 비뇨의학과 저널에 게재했다.

한준현 한림대동탄성심병원 비뇨의학과 교수. ( 한림대동탄성심병원 제공)