AI가 읽는 심장 CT 스캔, 심장질환 위험 조기 발견 가능

CT 스캔이 숨겨진 심장 위험을 드러내고, AI가 이를 찾아내는 법을 배웠다 메사추세츠 제네럴 브라임햄(Mass General Brigham) 연구팀과 미국 베테랑스 어페어스(VA) 부서가 공동으로 개발한 새로운 인공지능(AI) 도구가 이전에 수집된 CT 스캔을 분석해 심장혈관질환 위험이 높은 사람들을 찾는 데 성공했다. 이 도구는 AI-CAC라고 불리며, NEJM AI에 발표된 연구 결과에 따르면, AI-CAC는 향후 심장마비와 10년 내 사망률을 예측하는 데 높은 정확도와 예측력을 보였다. 이 연구는 이러한 도구를 널리 사용하면 임상의사들이 환자의 심장혈관질환 위험을 평가하는 데 도움이 될 수 있음을 시사한다. 매년 수백만 건의흉부 CT 스캔이 수행되는데, 많은 경우 건강한 사람들에게도 실시된다. 예를 들어 폐암 조기 검사를 위해 행해지는 스캔이 그렇다. 그러나 메사추세츠 제네럴 브라임햄의 AIM 프로그램장을 맡고 있는 후고 아트스(Hugo Aerts) 박사는, "이런 스캔에서 중요한 심장혈관질환 위험 정보가 주목받지 않고 있다는 것"을 지적하며, "AI는 의사들이 질병이 심장마비로 진행되기 전에 환자와 더 일찍 대화할 수 있게 하는 잠재력을 가지고 있다"고 설명했다. 흉부 CT 스캔은 심장과 동맥에 있는 칼슘 침착물을 감지할 수 있는데, 이는 심장마비 위험을 증가시키는 요인이다. 칼슘 침착물(CAC)을 양성하는 표준 방법은 '게이트드(gated)' CT 스캔을 사용하는 것이지만, 대부분의 루틴 임상 목적을 위한 흉부 CT 스캔은 '논게이트드(nongated)' 형태로 수행된다. 연구팀은 논게이트드 스캔에서도 CAC를 감지할 수 있다는 점을 인식하고, AI-CAC라는 딥러닝 알고리즘을 개발해 논게이트드 스캔을 통해 CAC를 측정하고 심장혈관질환 위험을 예측할 수 있도록 했다. 이 모델은 98개 VA 의료 센터에서 평소 치료 과정에서 수집된 흉부 CT 스캔에 대해 학습했으며, 실제 영상 검사에서 CAC 스크리닝을 시뮬레이션하기 위해 8,052건의 CT 스캔에서 AI-CAC의 성능을 테스트했다. 연구 결과, AI-CAC 모델은 스캔에 CAC가 포함되어 있는지 여부를 판단하는 정확도가 89.4%였으며, CAC가 나타난 경우 그 점수가 100점 이상인지 아닌지를 판별하는 정확도는 87.3%였다. 100점 이상은 중등도의 심장혈관질환 위험을 나타낸다. 또한, AI-CAC는 10년 내 사망률을 예측하는 능력도 보였다. CAC 점수가 400점 이상인 환자들은 0점인 환자들보다 10년 내 사망 위험이 3.49배 높았다. AI-CAC가 매우 높은 CAC 점수(400점 이상)를 가진 환자로 식별한 사람들을 4명의 심장전문의가 검토한 결과, 거의 모든 환자(99.2%)가 지질저하제 치료를 받아야 한다는 결론을 내렸다. VA 이미징 시스템에는 현재 수백만 건의 논게이트드 흉부 CT 스캔이 저장되어 있으며, 이는 다른 목적으로 촬영되었을 가능성이 높다. 게이트드 스캔은 약 50,000건이다. 라피 하고بيان(Raffi Hagopian) 박사는, "AI-CAC는 루틴으로 수집된 논게이트드 스캔을 활용해 심장혈관질환 위험 평가를 하고 진료를 개선할 기회를 제공한다"고 말하며, "AI를 CAC 감지와 같은 작업에 활용하면 의학이 질병 발생 후 대응하는 방식에서 질병 예방으로 전환될 수 있어 장기적인 건강 문제, 사망률 및 의료 비용을 줄일 수 있다"고 덧붙였다. 연구의 한계점으로는 알고리즘이 전적으로 베테랑 군인 인구를 기반으로 개발되었다는 점이 있다. 연구팀은 일반 인구를 대상으로 하는 후속 연구를 계획하고 있으며, 이 도구가 지질저하제의 CAC 점수 영향을 평가할 수 있는지 검증할 예정이다. 공동 연구팀은 아트스 박사 외에도 사이먼 버나츠(Simon Bernatz), 레오나르드 뉘른베르크(Leonard Nürnberg), 라피 하고بيان, 팀وث리 스트렙(Timothy Strebel), 그레고리 A. 마이어스(Gregory A. Myers), 에릭 오페르만(Erik Offerman), 에릭 즈니가(Eric Zuniga), 사이 Y. 김(Cy Y. Kim), 앤지 T. 응(Angie T. Ng), 제임스 A. 이와즈(James A. Iwaz), 선니 P. 싱(Sunny P. Singh), 에반 P. 캐리(Evan P. Carey), 마이클 J. 김(Michael J. Kim), R. 스펜서 슈에퍼(R. Spencer Schaefer), 진니 유(Jeannie Yu), 아밀카레 젠틸리(Amilcare Gentili) 등이 참여했다. 이 연구는 VA 의료 시스템의 자금 지원을 받았다. 업계 전문가들은 AI-CAC의 개발이 심장혈관질환 위험 평가의 혁신적인 접근 방식을 제시한다고 평가한다. 특히, 루틴 검사에서 사용되는 논게이트드 CT 스캔을 통해 칼슘 침착물을 효과적으로 감지할 수 있다는 점은 의료 전반에 걸친 효율성을 크게 높일 것으로 기대된다. 메사추세츠 제네럴 브라임햄은 세계적으로 인정받는 의료 기관으로, 다양한 분야에서 혁신적인 연구를 수행하고 있으며, 이번 연구는 그들의 기술적 역량을 다시 한번 입증했다. VA 부서 역시 베테랑 군인들의 건강 관리를 위한 다양한 연구를 지원하고 있어, 이 두 기관의 협력은 의료 분야의 발전에 큰 기여를 하고 있다.