만성 폐쇄성 폐질환의 중증도 분류를 위한 폐소리 활용

만성 폐쇄성 폐질환(COPD)은 전 세계적으로 심각한 공중보건 문제로, 효과적인 치료를 위해서는 조기 진단과 조기 개입이 필수적이다. 본 연구에서는 'RespiratoryDatabase@TR'이라는 방대한 12채널 폐음 데이터셋을 활용하여, 다중 분류 기반의 COPD 중증도 진단 시스템을 구축하였다. 특징 추출 과정에서 스펙트로그램, 멜 스펙트로그램, 크로모그램 분석을 포함한 철저한 전처리 및 데이터 증강 기법을 적용하였으며, 분류 정확도를 높이기 위해 RESNET50 모델을 활용하여 학습을 수행하였다. 연구 결과는 특히 조기 COPD 진단에 있어 음성 기반 예후 평가의 중요성을 강조한다. 전 세계적으로 약 2억 5천 1백만 명이 COPD에 영향을 받고 있는 상황에서, 본 연구와 같은 혁신적인 접근 방식은 매우 중요하다. 방대한 데이터셋과 고도화된 머신러닝 기술의 융합은 COPD 진단 및 치료의 전반적인 패러다임을 변화시킬 가능성을 지니며, 이 질환으로 고통받는 수백만 명의 삶의 질 향상에 기여할 것으로 기대된다.