김기웅 분당서울대병원 정신건강의학과 교수 김기웅 분당서울대병원 정신건강의학과 교수 연구팀이 뇌영상 연구에서 수면의 질과 뇌영상 촬영시간을 주요 교란 변수에 포함할 필요가 있음을 시사하는 연구를 내놨다.

의료 영상 장비로 측정한 뇌의 부피는 신경 퇴행성 질환을 평가하는 중요한 데이터로 쓰인다. 예를 들어 알츠하이머병 초기에는 해마를 포함한 내측 측두엽, 의미 치매는 편측 측두엽, 전측두엽 치매는 전두엽의 부피가 집중적으로 감소하는 것이 특징적인 소견이다.

이처럼 뇌의 부피는 유전적 요인, 노화, 질병에 의해 영구적인 변화를 일으키기도 하지만 대뇌의 혈류(CBF), 수분 섭취, 체액의 재분배와 같은 요인도 뇌 부피에 영향을 미친다. 대뇌 혈류가 증가하면 뇌의 부피가 증가하며, 탈수 시에는 대뇌 혈류량이 감소된다.

또, 눕는 자세에서 일어나는 자세로 전환하면 체액이 재분배되면서 대뇌 혈류량이 감소하는 등 하루 주기(일주기)의 뇌 부피 변화는 다양한 요소에 의해 영향을 받는다.

여기서 주목할 점은 수면의 질과 혈류량이 상호 작용을 한다는 것이다. 따라서 수면의 품질이 하루 동안의 뇌 부피 변화에 영향을 미친다고 추론할 수 있겠으나 이에 대한 연구는 이뤄진 바 없다.

이에 김기웅 교수팀은 뇌 부피의 일주기 변화에 수면의 질이 미치는 영향을 세계 최초로 분석했다. 연구는 정상적인 인지능력을 가진 국내 60세 이상의 노인 1,003명을 대상으로 실시됐다.

연구팀은 ‘피츠버그 수면의 질 지수(PSQI)’ 도구를 이용해 수면의 질과 평균 기상시간을 조사했다. PSQI 지수는 점수가 낮을수록 수면의 질이 높다는 것을 의미한다. PSQI 총점에 따라 수면의 질을 양호(5점 미만, Good sleep quality), 경계(5-9점, Borderline sleep quality), 나쁨(10점 이상, Poor sleep quality) 3가지로 분류했다.

또, 평균 기상시간과 뇌 MRI 촬영 시간의 간격(INT)에 따라 INT1(짧은/420분), INT2(중간), INT3(긴/636분 이상) 3개 그룹으로 분류했다. 뇌 MRI 촬영으로 전체 뇌 부피, 회질(whole gray matter), 대뇌 회질(cerebral gray matter), 외피 회질(cortical gray matter), 하부 피질 회질(subcortical gray matter), 뇌척수액 수치를 확인했다.수면의 질이 좋은 그룹(양호)에서 MRI 촬영 시간과 평균 기상시간 간격에 따른 그룹 간 뇌 부피 비교 

이들을 분석한 결과, 수면의 질이 경계와 나쁨 군에서는 3개의 INT 그룹 간에 뇌 부피에 큰 차이가 없었고 수면의 질이 양호한 군에서만 INT 그룹 간 유의미하게 뇌 부피가 다르다는 사실을 발견했다.

 수면의 질이 양호한 경우 INT2 그룹에서 INT1, INT3보다 뇌 부피가 작게 나타났다. 특히 INT1에 비해 전체 뇌부피 약 2.1%, 회질 1.3%, 대뇌 회질 1.1%, 외피 회질 1.0%, 하부 피질 회질 0.1% 낮게 나타났으며 뇌척수액 부피는 0.5% 높았다.

이 수치는 야간 수면 중에 뇌 속에 증가했던 혈류가 기상 후 신체 활동으로 인해 몸의 다른 부위로 빠져 나가면서 7시간 정도는 뇌의 부피가 줄어들다가 이후로 다시 증가하는 양상을 보이는 것으로 해석할 수 있다.

따라서 이런 현상은 뇌 부피의 뚜렷한 일주기 변화가 수면 중 체액과 혈류가 뇌로 충분히 이동할 수 있는 양질의 수면군에서만 확인되는 것으로 추정할 수 있다.

이번 연구는 수면의 질이 뇌 부피의 일주기 변화에 미치는 영향을 분석한 최초의 연구라는 점에서 의미가 깊다. 향후 뇌영상 연구에서 수면의 질과 뇌 MRI 촬영 시간 간의 간격을 주요한 교란 변수로 포함할 필요가 있다는 과학적인 근거를 제시했다는 것에 의의가 있다.

김기웅 교수는 “수면의 질과 검사 시간이 뇌의 일주기 변화에 영향을 미칠 수 있다는 것이 이번 연구를 통해 밝혀졌다”며 “향후 이를 주요 교란 변수로 포함시켜 뇌 영상의 진단 정확도를 높일 수 있길 기대하며, 나아가 뇌 부피의 일주기 변화를 수면 장애 진단의 생체 표지자로 고려해 볼 수 있을 것”이라고 말했다.

해당 논문은 뇌영상분야 최고 권위의 학술지인 ‘NeuroImage(IF=4.7)’에 게재됐다. 논문명은 ‘Effects of sleep quality on diurnal variation of brain volume in older adults: A retrospective cross-sectional study’이다.유진수·오남기 삼성서울병원 이식외과 교수, 정우경·김재훈 영상의학과 교수 (왼쪽부터) 

유진수·오남기 삼성서울병원 이식외과 교수, 정우경·김재훈 영상의학과 교수 연구팀은 ‘국제외과학저널(International Journal of Surgery, IF=15.3)’ 최근호에 생체 간 공여자의 간의 크기와 용량을 CT 영상에 기반해 자동 측정이 가능한 ‘간이식 AI모델’을 제시해 주목받고 있다.

기존에는 이식외과 의사가 CT 영상을 기반으로 공여자의 간을 해부학적 구조에 따라 분할한 다음, 일일이 손으로 크기와 용량을 계산하는 방식이 주를 이뤘다. 사람이 직접 하다 보니 시간이 많이 걸릴 뿐 아니라, 의사마다 주관적 판단에 따른 오차가 발생할 수 있다는 게 한계였다.

공여자의 간은 기증 후 최소 30% 이상은 유지해야 기증자 안전을 확보할 수 있고, 수여자 역시 자기 몸무게 대비 이식받은 간의 무게가 0.6 ~ 0.8%는 돼야 간이 제 기능을 할 수 있다. 그만큼 공여자, 수여자 양쪽 모두에 안전한 적정선을 찾는 것이 중요하다.

이를 해결하려 연구팀은 2022년 4월부터 2023년 2월 사이 삼성서울병원에서 공여자로 수술 받은 환자 114명의 데이터를 이용해 간이식 AI모델을 만들었다. 이들 중 103명의 자료는 간이식 AI모델의 학습용으로, 나머지 인원의 데이터는 예측 값과 수술 후 실제 측정값을 비교하는 검증용으로 썼다.

연구팀은 환자들의 CT 영상 검사 결과를 3D 모델로 만든 다음, U-Net 기반 딥러닝 모델을 설계했다. 환자 데이터 샘플 4개당 한조로 250 차례에 걸쳐 학습을 반복해 최적화를 거쳐 만든 간이식 AI 모델은 검증에 쓰인 환자의 데이터와 맞아 떨어졌다.환자의 간 CT 결과를 토대로 간이식 AI모델이 제시한 3D 이미지(Inference)와 실제 의료진이 CT 영상 결과를 분석해 만든 3D 이미지(Ground truth) 

기존 의료진이 직접 했을 때와 비교했을 때 유사도(Dice Similarity Coefficient)는 우엽에서 94%, 좌엽에서는 91%로 나타났다. 간의 용량 차이도 간이식 AI모델과 의사가 직접 측정 값의 차이도 평균 9.18ml로 낮았다.

 환자 간의 용량 크기에 대한 변동성을 예측하는 결정계수(R²)를 비교한 값에서는 오히려 간이식 AI모델이 앞섰다. 간이식 AI모델의 결정계수는 0.76으로 의사가 직접 하는 경우 0.68을 웃돌았다. 그만큼 AI모델이 실제 환자의 간의 용적이나 크기 등을 잘 구분해 반영하고 있다는 뜻이다.

연구팀은 간이식 AI모델의 가능성을 초기 단계에서 확인한 만큼, 이를 발전시켜 보다 정교한 범용 서비스로 구현한다는 계획이다. 특히 국내 시장에 주로 쓰이는 3D 모델링 기반 수술 계획 소프트웨어 시장을 주도하는 일본을 역전할 가능성도 AI 모델에 있다고 연구팀은 기대했다.

수술 계획 소프트웨어는 전 세계 시장 규모가 1억 25백만 달러(2024년 기준, 한화 약 1732억 원)로 추산되고, 연 평균 6.6%씩 성장해 2030년께는 1억 83백만 달러(약 2536억 원) 수준까지 커질 것으로 전망된다.

AI 바람을 타고 수술 계획 소프트웨어 시장이 추계보다 더 커질 수 있는 만큼 현재 시장 주도권을 움켜쥐기 위한 쟁탈전이 격화되고 있다. 특히 옆 나라 일본은 자국 내 시장을 토대로 국내 시장을 선점하고 있다. 일본은 간 수술에서 3D 모델링을 이용해 수술할 때 별도 보상을 해준다.

한국에서는 소프트웨어 하나 당 수 천만원에 달하는 사용료 부담으로, 일부 대형병원에서만 이용 중이다. 규모가 작은 병원의 경우 비용 부담 탓에 소프트웨어의 도움 없이 수술 하는 경우도 적지 않다.간이식 AI 모델을 탑재한 수술계획 소프트웨어 구동장면. 환자 CT 영상을 바탕으로 환자의 간을 그대로 모사하여 3D 이미지(위)로 만든 다음, 간의 세부 구획별 크기와 용적률 등을 자동으로 측정하여 의료진에게 안내가 가능하다.(아래) 

개발 역량이나 의지가 있더라도 급여 적용을 받지 못해 자생력을 키우기 어려운 환경이다.

 유진수 교수는 “간이식 수술 이전 잘 준비된 계획이 수술 성공률을 높일 수 있다”면서 “생체 간 공여자의 숭고한 뜻을 살리고, 환자의 더 나은 삶을 위해서 간이식 AI모델이 기여할 수 있는 부분을 찾아가겠다”고 말했다.

그러면서 정책적 관심과 지원 역시 함께 주문했다. 최근 이식외과 의사 1명이 담당해야 하는 환자 수가 증가 추세라는 점을 감안하면, 간이식 AI모델의 도움으로 수술에 집중할 자원과 시간을 더 확보할 수 있기 때문이다. 그만큼 환자의 수술 결과는 물론 안전 향상에도 기여할 수 있다는 판단하고 있다.

유 교수는 “한국은 전세계에서 간암 수술이나 간이식 수술이 가장 많이 이뤄지는 나라지만 소프트웨어 개발에는 뒤처져 있다”면서 “연구 당시보다 모델의 정확도는 더 올랐다. 수술의 안전성을 높여주는 신기술에 대한 적극적인 투자와 수가 등의 지원을 받아 일본이 주도하는 시장에 새 바람을 일으키고 싶다”고 말했다.